지난 글에 이어서 모두 함께 고민해 볼 만한 몇 가지 포인트를 공유합니다.

1. 어떤 모형을 쓸 것인가?

시계열 문제에서 시계열 모형을 쓰는 것이 당연한 것은 아닙니다.

(실제로 저는 앞선 시계열 대회에서 Tree 기반의 모형을 써서 꽤 좋은 결과를 얻기도 했습니다.)

물론 앞선 대화의 내용이나 지금 상위권의 과거 이력을 보면 왠지 딥러닝 기반의 시계열 모형이 대세인 것 같긴 합니다.

저는 딥러닝은 이제 조금 배우고 있어서 서툴러서 익숙한 Tree 기반의 알고리즘들로 다양한 시도를 하고 있습니다.

아직은 스코어가 그닥이지만 충분히 개선될 여지는 있는데요, Tree 기반의 알고리즘으로 시계열을 모방하기 위해서는 다양한 shift(lead, lag) 전략이 필요해 보입니다.

상위권 분들이 팀을 이루면 (그리고 계획대로 tree 모형이 잘 먹히면!) 어쩌면 복불복으로 10등 이내는 가능할 것 같다는 희망회로를 돌립니다.

그럼 예측 정확성(50점)은 조금 밀리더라도 설명이 편하고 직관적인 tree 모형의 특성상 예측 유의성(10점)이나 인사이트(20점)에서 충분히 만회할 수 있을 것이구요.

2. 후반부 스코어는 어떨까?

데이터를 봐도 한 주 한 주 특산물 가격이 크게 바뀝니다.

현재 public 스코어는 전체 평가 기간 4주(28일) 중 첫 열흘이 첫 2주가 평가 대상입니다.  

누구나 알고 있는 일요일 ->0을 고려하면 전체 24일 중 12일인데요, 아무래도 가까운 날짜는 맞히기가 수월합니다.

후반부 16일에 따라 스코어가 크게 흔들릴 수 있다고 생각하고, 활용한 모형의 특성에 영향을 받을 것 같네요.

3. price=0 처리를 어떻게 할까?

골치 아픈 corporation/item 조합이 있습니다. 팔거면 맨날 팔면 좋은데, 어쩌다 한번 판 건들이 있습니다.

예를 들어 전년 동기 28일 중에 딱 하루 10000원에 팔린 상품이 있다고 합시다.

나머지 기간에는 팔린 적이 없으니까 price=0으로 들어와 있는데요, 이번 기간의 예측에서는 저 "하루만 10000원"이라는 정보를 어떻게 처리하고 활용할 것인가에 따라 미묘한 스코어 변화가 있습니다.

4. 감귤을 어떻게 잡을까?

앞선 글에서도 썼지만, 결국 스코어는 감귤(TG)에 달려 있습니다.

무엇보다 감귤의 일반적인 가격이 다른 특산물보다 높습니다. 그리고 시기의 특성이 감귤이 끝물이라, 감귤 가격이 생각보다 변동이 큽니다.

그래서 인지 item별로 따로 RMSE계산해봐도 감귤이 제일 높습니다.

지난번 글에서 댓글이 많이 달려서 행복했습니다ㅎㅎ

정보 교류가 없고 폐쇄적인 데이터 공모전의 특성상! 남의 스코어만 알지 뭘 어떻게 했는지 파악하기가 어려운데요,

댓글들 덕분에 그래도 많은 정보를 얻을 수 있었네요.

이번에도 다양한 의견과 생각을 부탁합니다:)