신용카드 사용자 연체 예측 AI 경진대회

family_size, child_num 에 대한 몇 가지 preprocessing 실험

Cho D YoungRae Follower 0 Following 0
2021.05.14 15:43 779 Views language
8
comments 0
1
0

안녕하세요. 올해들어 인공지능 공부를 하고있는 컴퓨터공학과 학부생입니다.
지금까지는 데이콘 통해서 이미 끝난 대회의 코드 공유들을 보면서 공부했고
처음으로 실제 진행 중인 대회에 출전해봅니다.

해당 실험은 EDA for starters(가르침이필요해) 의 family_size, child_num 에 대한 내용을 보고 영감을 받아 진행하였습니다.

해당 대회는 하루에 제출이 3번밖에 되지 않아서 개선의 여지를 확인할 수 있는 지표가 필요했고
실험을 위해 어느정도의 성능이 나오면서 xgb보다는 속도가 빠르다고 하는
lgbm을 cross_validate을 통해서  성능을 확인했습니다.
전처리에 관련해서만 확인하고 싶어서 추가적인 파라미터 조정은 하지 않았습니다.
family_size, child_num을 하나도 건드리지 않고 (fc feature도 생성하지 않고) Data Processing 부분의 처리만 한 후
cross_validate를 진행했을 때는 0.7611898663220819 가 나옵니다.

내용이 좀 많이 섞여 있고 보기 어려운 감이 없지않아 있는 것 같습니다.
md에 적혀있는 성능은 대부분 fc feature없이 진행한 것을 기록한 것이고
출력에 나와있는 성능은 fc  feature를 추가한 뒤 다시 실행한 것으로 기억합니다.

이 실험 후 제가 내린 결론은
일단 outlier 제거 시 family_size 가 child_num 보다 작을 수 없으니까 그에 관한 결과는 제외하고
직접 추가한 fc feature 까지 합쳐서 PCA를 통해 1차원으로 축소한 것이 가장 성능이 좋은 것 같습니다.
해당 내용은 가장 아래에 있으며 점수는 0.7600580763343784 입니다.

눈에 띄는 점수의 향상은 없지만 한가지 feature에 대해서만 집중적으로 다룬 것이니
다른 것이 합쳐졌을 때 더 좋은 결과가 있기를 바라는 마음이 있습니다.
봐주셔서 감사합니다. 

Code