[신규 오픈 기념] 데이스쿨 최대 40% 할인 🎁
분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
Imbalanced data처리, 단순한 Augmentation
1. 데이터 불균형을 처리하기 위해 SMOTE 기법을 사용했습니다.
2. 데이터를 늘리기 위해서 난수를 통해 증강 하였습니다.
3. XGBoost 모델을 사용하셨습니다.
* species별 scaling은 시로님의 코드(https://dacon.io/competitions/official/235836/codeshare/3627?page=2&dtype=recent)를 참고하였습니다.
말씀하신 경우는 test data의 개념이 우리가 가진 train에서 분리된 경우(split)인 것 같고, 이 경진대회는 test데이터가 분리되어있으니 상관 없을 것 같습니다. 제 의견이니 틀릴수도 있습니다 ㅎㅎ; 말씀하신게 맞다면 과적합이 일어났어야 할 것 같아요!
넵 감사합니다!
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
좋은 코드 공유 감사합니다! 질문이 하나 있는데 scaling의 경우 학습데이터에는 fit_transform을 하고 이 때 학습한 scaler로 test데이터는 transform을 해주는 것으로 알고 있는데 test데이터에 fit_transform을 하면 data leakage문제가 발생하지 않나요???