분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
Private 2위 / Public -0.43308 / 1D-CNN
LSTM, GRU, CNN 등 여러 방법 시도해봤는데 1D-CNN에 global-average-pooling이 가장 성능이 좋아 사용했습니다.
도비님의 rolling 이나 rotation, permutation 등의 여러 time series data augmentation 기법등을 적용했었는데 구현을 잘못한 것인지 저는 오히려 성능이 떨어졌습니다. 제대로 적용해서 오버피팅을 방지 못한게 아쉽네요
센서데이터 활용에 있어서 지식이 부족해 파생변수 같은 경우 여러 자료 참고했지만 제멋대로 생성한 느낌도 있습니다...
타겟 변수가 굉장히 불균형하기 때문에 Stratified KFold, K는 10으로 돌렸습니다.
쉐이크업이 있을까 걱정했는데 좋은 결과 얻어서 다행이네요 감사합니다!!
(1875000) x 18 data를 (3125 x 600) x 18 data로 만들고 input shape에는 3125를 빼고 600만 쓴 이유가 무엇인가요?? test data와 맞추기 위함인가요?? 훈련할 데이터가 소실되는 것 아닌가요??
데이콘(주) | 대표 김국진 | 699-81-01021
통신판매업 신고번호: 제 2021-서울영등포-1704호
서울특별시 영등포구 은행로 3 익스콘벤처타워 901호
이메일 dacon@dacon.io | 전화번호: 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved
수고하셨습니다~