분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
Regnet baseline + 간단한 Validation 분석 코드 [LB 0.923]
이미지 데이터만 활용한 regnet 모델 공유합니다.
LB 0.923은 'regnetx_006'으로 30 epoch 실행했을 때의 결과이며
augmentation 하기 전의 실험으로는 regnet보다 swin, effb4를 사용했을 때
더 성능이 좋았으니 단순히 모델만 변경해도 성능이 더 올라갈 것으로 보입니다.
transformation 부분은 albumentation docs (https://albumentations.ai/docs/examples/example/)에 있는 코드를 거의 그대로 사용하였습니다.
대회 막 시작하신 분들에게는 Validaion Analysis 부분이 조금이나마
도움이 되지 않을까 싶은데
sklearn의 multilabel_confusion_matrix와 confusion_matrix을 활용해
class별 세부 분석을 할 수 있도록 간단한 코드를 작성했습니다.
class별 f_1 score를 구할 수 있고 class별로 각 class가 어떤 class로 잘못 예측 되는지 확인할 수 있습니다.
[ cm.filter(like="3_a9", axis=0) 등 활용 ]
세부 class별 error를 확인해보니
피해 정도(risk)를 잘 분류할 수 있도록 하는 것이 중요해보입니다.
Kaggle Notebook 기준으로 작성된 코드이고
Colab에 비해 Kaggle은 목차에 대한 접근성이 좋지 않기 때문에
저는 하이퍼링크를 만들어 kaggle에서 작업하는데 해당 하이퍼링크들도 남겨놓았습니다.
새해 복 많이 받으세요 😃
DACON Co.,Ltd | CEO Kookjin Kim | 699-81-01021
Mail-order-sales Registration Number: 2021-서울영등포-1704
Business Providing Employment Information Number: J1204020250004
#901, Eunhaeng-ro 3, Yeongdeungpo-gu, Seoul 07237
E-mail dacon@dacon.io |
Tel. 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved