📚 Study/프로젝트

수치형변수 : boxplot을 통한 이상치제거(familysizestr(문자)->더미변환 RandomForestClassifier RandomForest : 0.7703455129 train/test로 나누고 끝이 아니라 정확도를 확인하고 데이터를 합쳐서 다시 모델을 학습시키니 성능이 더 좋아졌다!!

수치형변수 : boxplot을 통한 이상치제거(familysizestr(문자)->더미변환 변수 정규화 진행(MinMaxScaler)+XGBoost(XGBoostclassifier) XGBoost : 0.6819231961 정규화때문인지 XGB 모델 때문인지 갑자기 성능이 낮아짐..뭐가 문제인 것인가 계속 정확도를 판별할때 model.score(y_test, pred)로 했었는데 계속 1로 출력이되서 과대 적합인가?하고 정확도를 어림잡을 수 없었는데 accuracy_score(y_test, pred)로 산출을 하니 0.7~언저리로 출력이 되었다. 보통 score과 실제 결과 제출은 0.05정도 차이가 나는 것으로 확인되며 이를 통해서 모델 성능을 파악하고..이것저것 만져봐야 좋은 성능을 낼 수 있을 것 같..

수치형변수 : boxplot을 통한 이상치제거(familysize변수 생성 후 기존 변수 삭제 VCL유효성검사(유효하지 않다고 생각하는 문항 삭제) 상관계수 그래프 행렬(범주형을 제외하고) 영향이 없다고 생각되는 컬럼 drop 명목현 변수->str(문자)->더미변환 랜덤포레스트(RandomForestClassifier) +하이퍼파라미터 튜닝 1차:0.713114415 2차:0.7127885655 3차:0.7121872187(VCL은 유효성 row제거후 문항삭제 안함VCL6,9,12만 삭제!, 모델에 큰 영향은 주지 않는 것으로 파악) 전처리 순서도 변경해보고 EDA(boxpot, 상관계수그래프)를 통해 전처리를 추가 진행하고 나름 논리적으로 모델을 구성했다고 생각했는데 정확도가 처음보다 좋게 나오지 않아..

이상치제거(familysize

이상치 제거(familysize) 명목형 변수 변환 영향 없는 컬럼 제거 추가컬럼 생성(TIPI, 마키아벨리즘 스코어) VCL 유효성 검사(유효하지 않은 단어에 응답한 row삭제) 랜덤포레스트(RandomForestClassifier) 0.7504515876

https://dacon.io/competitions/official/235902/overview/description SW중심대학 공동 AI 경진대회 ❮예선❯ - DACON 분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다. dacon.io