안녕하세요.

과거 모 "수입수산물 가격 예측" 대회에서 "싯가가 가장 중요하다"고 했다가 심사위원에게 "수입 거래에 싯가가 어딧냐"는 핀잔을 들은 적이 있습니다.

있죠. 싯가는 시장 가격이고, 정말 중요합니다.

일반적인 머신러닝 알고리즘은 과거의 패턴으로 미래를 예측하는데, 싯가 반영이 까다롭습니다.

예를 들어, 이 대회 데이터에서 2023년의 당근 가격을 보면 작년에 비해 큰 폭으로 올랐습니다.

현 시점의 가격이 최근 몇 년 중 최고가라면, 현재를 설명할 과거의 정보가 부족하고 예측이 어려워집니다.

'싯가'와 과거의 패턴을 어떻게 조화롭게 풀어낼 것인가가 중요한 포인트가 될 것 같네요.

이 대회의 평가지표는 RMSE입니다.

따로 가중치가 없이 전체 test 데이터에 대해서 한번에 RMSE를 계산하는 것으로 보입니다.

상대적으로 싼 품목은 변동폭도 제약이 많습니다. 반면 비싼 품목은 더 큰 폭으로 움직일 수 있고, RSME에 더 큰 영향을 미칠 수 있습니다.

시간이 부족하다면, 먼저 평균 가격이 상대적으로 높은 품목부터 하나씩 잡아가는 것이 좋아 보입니다.

RMSE에서 또 하나의 문제는 supply=0인 경우입니다.

특히, 꽤 긴 기간 동안 특정 작물, 지역, 법인에서 한 두번 거래한 경우 등이 포함되어 있는데요,

이 것을 어떻게 처리할 것 인가가 중요합니다. 적절한 판단을 해야하고, 보고서에는 그 이유가 논리적으로 설명되어야 할 겁니다.

1,305이 아마도 베이스라인 코드의 점수로 생각됩니다. 리더보드 상 동점자가 매우 많은 구간이더라구요.

train 데이터의 가장 마지막 주의 평균 가격과 평년 동기간의 가격변동을 활용하여 주 단위로 예측해서 제출했더니 840 나왔습니다.

(동일한 조건의 관측치 덩어리의 한 주 예측 값이 모두 동일합니다.)

(약간 처리를 바꿔서 현재 스코어가 832이긴 한데, 큰 차이는 없습니다.)

참고하셔서 좋은 전략 세워보시고, 또 공유도 해주세요:)