데이스쿨 할인 리턴-즈!
분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
Prize :
참가시 최소 50 XP, 특별상 데이콘 후드
전복나이 머신러닝 프로세스(전복의 실수율; 밀도 feature 추가)
2022.03.31 09:58
3,237
Views
안녕하세요 전체적으로 다른 분들이 주신 소스를 머신러닝 프로세스에 담아서 올려봅니다. 부족하지만 이해 부탁드립니다. 감사합니다.
Code
로그인이 필요합니다
0 / 1000
Junghoon
2022.03.31 10:37
물린다
2022.03.31 13:35
실수율.. 좋은 인사이트네요. 저는 껍데기의 밀도를 계산해서 적용해 본적이 있는데 실수율은 생각을 못했었네요. ^^
데분찍먹
2022.03.31 21:34
파생변수 좋은인사이트 감사합니다^^
pycaret 자주썼는데 NMAE가 없어서 MAE로 했었는데, 원하는 메트릭을 추가할수도 있었네요!
코드공유 감사드립니다.
YIEBIG
2022.03.31 23:43
Standard Scaler는 회귀보다 분류에 적합하고 회귀에는 Min-max Scaler가 적합하다고 언급해주셨는데, 혹시 그 이유를 알 수 있을까요?
오히려 회귀에는 정규성 가정이 필요하니까 Standard Sclaer가 더 적합하지 않나 생각했는데...왜 그런지 여쭤보고싶습니다!
그와는 별개로 코드정리 감사합니다ㅎㅎ
인디고
2022.04.01 10:53
EDA 부터 모델링까지 체계적으로 정리한게 매우 인상 깊었습니다! 파트별로 상세한 설명을 달아주셔서 이해하기 아주 좋았습니다. 좋은 코드 공유 감사드리며 항상 건승하세요!!
silvershadow
2022.04.01 14:24
EDA 많이 배우고 갑니다. 공유 감사합니다..
List
이전 글
Simple EDA & Bagging model
Competition - 전복 나이 예측 AI 해커톤
Likes 9
Views 2,946
Comments 0
3년 전
현재 글
전복나이 머신러닝 프로세스(전복의 실수율; 밀도 feature 추가)
Competition - 전복 나이 예측 AI 해커톤
Likes 18
Views 3,237
Comments 6
3년 전
다음 글
[EDA] 데이터 분석 입문자를 위한 데이터 살펴보기
Competition - 전복 나이 예측 AI 해커톤
Likes 17
Views 5,126
Comments 3
3년 전
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
깔끔한 정리 감사합니다. 정복에 밀도에 대해서는 처음 알게됐네요!