월간 데이콘 신용카드 사용자 연체 예측 AI 경진대회

알고리즘 | 정형 | 분류 | 금융 | LogLoss

  • moneyIcon Prize : 100만원
  • 3,614명 마감

 

family_size, child_num 에 대한 몇 가지 preprocessing 실험

2021.05.14 15:43 3,916 Views language

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
로그인이 필요합니다
0 / 1000
Mather
2021.09.12 09:53

학습 응원합니다~

🇰🇷🇹🇼🇳🇮🇬🇺🇳🇫
2021.09.29 11:08

공유 감사합니다~