월간 데이콘 기계 고장 진단 AI 경진대회

* PUBLIC SCORE (0.98224)에서는 우수한 성능을 보였지만 아쉽게도 PRVIATE SCORE (0.93957)는 좋지 못했습니다

* 이에 대한 원인에 관한 개인적인 생각과 개선 방안 (코드 링크) 이 포함되었있습니다 (이상치 조절 및 학습 데이터 양 감소에 따른 문제 발생)

* 이번 대회를 통해 많은 것을 공부할 수 있었습니다 감사합니다

* 이외에 여러 생각과 정리 자료는 다음의 주소에서 확인할 수 있습니다. (https://github.com/namwootree/Breakdown-in-Machine)

* 중요한 건 꺽이지 않는 PRVIATE SCORE

* PUBLIC SCORE에 속아 일반화를 잊지 말자

Process

1. Feature Extraction
  - Zero Crossing Rate (+ delta)
  - RMS (+ delta)
  - Poly Feature
  - MFCC
  - Spectral Flatness

2. Robust Scaling

3. Dimension Reduction
  - Sparse PCA : Zero Crossing Rate (+ delta), RMS (+ delta), MFCC, Spectral Flatness
  - Kernel PCA : Poly Feature

4. LOF

5. 개인적인 생각 + 개선된 알고리즘