ML·DL/Kaggle

도배 하자 유형 분류 AI 경진대회 - DACON 분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다. dacon.io 1위 코드 리뷰 Ensemble model(ConvNeXt, Offline Augmentation) [Private 1, Public 1] Ensemble model, ConvNext, Offline Aug 도배 하자 유형 분류 AI 경진대회 dacon.io 1위는 했지만 소요 시간이 매우 길고 데이터 생성, 모델 훈련이 많았다고 함 가장 좋은 data augmentation이 있을까? 1. random augmentation 하나의 train dataset에서도 여러가지 수많은 augmentation 방법을 사용할 수 있는데 사람의 욕심은 어떠한 augmenta..

아파트 실거래가 예측 - DACON 분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다. dacon.io Dacon 아파트 실거래가 예측 대회 리뷰입니다. 1위 LightGBM [4회] 1등 김웅곤, 양경성, 민성욱, 김현우 코드 공개 아파트 실거래가 예측 dacon.io from sklearn.preprocessing import OneHotEncoder from sklearn.metrics import mean_squared_error train_len = train.shape[0] df_all = pd.concat([train,test]) index = [] for i in range(0,df_all.shape[0]): index.append(i) df_all['index']..

분류는 다양한 머신러닝 알고리즘을 구현 가능하다 - 베이즈 통계와 생성 모델에 기반한 나이브 베이즈 - 독립변수와 종속변수의 선형 관계성에 기반한 로지스틱 회귀 - 데이터 균일도에 따른 규칙 기반의 결정 트리 - 개별 클래스 간의 최대 분류 마진을 효과적으로 찾아주는 서포트 벡터 머신 - 근접 거리를 기준으로 하는 최소 근접 알고리즘 - 심층 연결 기반의 신경망 - 서로 다른 머신러닝 알고리즘을 결합한 앙상블 이 중에서 앙상블은 일반적으로 배깅(Bagging)과 부스팅(Boosting)방식으로 나뉜다. 대표적인 배깅 방식으로는 랜덤 포레스트(Random Forest)가 있으며 뛰어난 예측 성능, 상대적으로 빠른 수행 시간, 유연성 등으로 애용된다. 하지만 최근 앙상블 방법은 부스팅 방식으로 발전하고 있다..

처음 봤을 때 일년전인가 수업시간에 다룬 보스턴 하우징 데이터가 떠올랐다. 설명을 보니 보스턴 하우징 데이터셋에서 확장시킨 새로운 데이터셋인 모양이다. 새로운 노트북을 생성하고 데이터를 읽어들였다. 오늘 처음 알게된건데 캐글에서는 파일 루트 복사 기능을 제공한다. 👍 wow... 변수가 81개이므로 하나하나 살펴볼 수는 없을 것 같아서 선형회귀분석을 진행했다. 범주형 변수가 존재하여 적합하지 못한다는 오류가 났다. 캐글이 제시한 해결방법은 원-핫 인코딩으로 어제 알아봤던 파이썬 get_dummies 함수가 만들어주는 결과물이 원-핫 인코딩이었다. 선형 회귀분석에 적합하지 않은 변수타입 object가 존재하므로 원핫인코딩을 진행한다. 원핫인코딩을 진행하는 경우와 범주형 변수들을 제외시켜버리는 경우 중 어떤..

Overview of How Kaggle’s Competitions Work 1. Join the Competition Read about the challenge description, accept the Competition Rules and gain access to the competition dataset. 2. Get to Work Download the data, build models on it locally or on Kaggle Kernels (our no-setup, customizable Jupyter Notebooks environment with free GPUs) and generate a prediction file. 3. Make a Submission Upload your..