분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
[Private #73] Catboost, LightGBM 단일 모델
공동작성자
작년에 공유해주신 다양한 코드와 아이디어를 기반으로 코드를 짜보았습니다.
아래는 상당한 개선이 있었던 주요 전략들입니다.
1. 그래프로 시각화하여 이상치 제거
2. 학습 자료 선형 보간을 이용해 데이터 확장
3. hyperopt를 이용한 파라미터 최적화
4. 건물 별 XGB, CatBoost, LightGBM 모델 중 최적의 모델 선정하여 학습
비전공자의 첫 도전이었는데, 더 많이 배워야겠다는 생각을 합니다.
많은 코드 공유에 감사드립니다.
OS: Windows 11
Python: 3.13.5 | packaged by Anaconda, Inc. | (main, Jun 12 2025, 16:37:03) [MSC v.1929 64 bit (AMD64)]
pandas: 2.2.3
numpy: 2.1.3
scikit-learn: 1.6.1
xgboost: 3.0.3
lightgbm: 4.6.0
catboost: 1.2.8
matplotlib: 3.10.0
seaborn: 0.13.2
hyperopt: 0.2.7
데이콘(주) | 대표 김국진 | 699-81-01021
통신판매업 신고번호: 제 2021-서울영등포-1704호
직업정보제공사업 신고번호: J1204020250004
서울특별시 영등포구 은행로 3 익스콘벤처타워 901호
이메일 dacon@dacon.io |
전화번호: 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved
👏🏼👏🏼👏🏼