기간

• 23.01 ~ 23.03

담당 역할 및 프로젝트 기여도

• 데이터 시각화 및 분석(100%)
• 모델링(100%)

주요기술

• LightGBM+CatBoost+XGBoost Classifier Voting Ensemble

요약

1. 데이터 전처리

   1. 컬럼 내 모든 데이터가 결측치인 경우 해당 컬럼 삭제
   2. train data의 통계정보를 바탕으로 test data 보간
   3. train data의 분포가 imbalanced 하여 세가지 데이터셋을 준비
      1. 전체 데이터를 증강한 데이터셋
      2. 적은 데이터만 선택적으로 증강한 데이터셋
      3. 가장 많은 데이터의 수를 줄여 분포를 균일하게 한 데이터셋

2. 모델링

   • 각 세가지 데이터셋에 대하여 LightGBM+CatBoost+XGBoost Classifier Voting Ensemble 학습 후 Hard Voting

성과

• 온라인 교육 수료 및 해커톤 참여
• 온라인 해커톤 상위5%(495팀 중 25위) 및 오프라인 해커톤 진출

프로젝트 내용