Track1 Algorithm : University of Seoul Public AI Competition

Algorithm | University of Seoul | Sport | TimeSeries | Euclidean distance

3,000,000 KRW
1,779 Users Completed

Practice

Overview Data Code (share) Talk Leaderboard

Submission

[Top 4%] TabPFN 기반 2단계 잔차 학습(Residual Learning) 및 타겟 인코딩 활용

비비고곰탕

2026.01.12 12:05 832 Views language

TabPFNRegressor(v2.0)를 활용하여 패스 도착 좌표(end_x, end_y)를 예측하는 솔루션입니다.

단일 모델의 한계를 극복하기 위해 2-Stage Residual Learning(잔차 학습) 기법을 적용하여 예측 정교함을 높였습니다.

참여하신 모든 분들 기간동안 고생 많으셨습니다.

감사합니다.

Code

3 Comments

comment

0 / 1000

태히히

2026.01.12 13:28

코드 공유 감사합니다!

복자

2026.01.13 15:42

코드 잘 봤습니다!
TabPFNRegressor이라는 모델을 처음 들어봤네요
이런 모델은 어디서 알게되신걸까요?? 저도 많이 배우고 싶어서 여쭙습니다!

비비고곰탕

2026.01.13 21:33

안녕하세요! 코드 좋게 봐주셔서 감사합니다. 😊
저도 여러 대회를 준비하면서 정형 데이터(Tabular Data) 관련 최신 벤치마크 논문들을 찾아보던 중에 알게 되었습니다. 기존 트리 기반 모델(XGBoost, LightGBM 등) 외에 딥러닝 기반의 모델들이 정형 데이터셋에서 어떤 성능을 내는지 궁금해서 찾아보다가 발견해서 적용해 보게 되었네요. 도움이 되셨으면 좋겠습니다!

📣 The comment input field has been moved to the top of the comment list!

List

Top 3% 코드공유합니다.

Competition - Track1 알고리즘 부문 : K리그-서울시립대 공개 AI 경진대회

Current

[Top 4%] TabPFN 기반 2단계 잔차 학습(Residual Learning) 및 타겟 인코딩 활용

Competition - Track1 알고리즘 부문 : K리그-서울시립대 공개 AI 경진대회

Likes 5