Juni_DEV

Kaggle Featured 대회인 ISIC 2024 - Skin Cancer Detection with 3D-TBP에 참여하면서, 다양한 피처를 분석하고 각 피처의 의미 있는지 여부를 확인하는 과정을 거쳤습니다. 이 과정에서, 모델 학습 시 어떤 피처들이 예측에 중요한 영향을 미치는지 확인하며 관련 기법들을 공부하게 되었습니다. Forward Selection, Backward Elimination, Stepwise, Genetic Algorithm, 상관관계 분석, Feature Importance 확인, SHAP 등 총 7가지 기법을 적용해 분석을 시도했습니다.1. Forward Selection (전방 선택)Forward Selection은 피처를 하나씩 추가하면서 모델 성능을 개선하는 방식의 피..

오늘부로 Kaggle Playground Series - Season 4, Episode 8 독버섯 예측 대회가 마무리되었습니다. Binary Prediction of Poisonous Mushrooms | Kaggle www.kaggle.com이 대회의 목표는 버섯의 물리적 특성을 바탕으로 해당 버섯이 식용 가능한지 아니면 독성이 있는지를 예측하는 것입니다.이 대회에서 제공된 데이터셋(훈련 및 테스트용)은 UCI Mushroom 데이터셋을 기반으로 훈련된 딥러닝 모델에서 생성되었고, 특징 분포는 원본과 유사하지만 정확히 동일하지는 않습니다. 원본 데이터셋을 사용하여 차이점을 탐구하거나, 원본 데이터를 훈련에 포함시켜 모델 성능을 향상할 수 있는지 확인해 볼 수 있습니다.그리고 아래 세 파일을 제공합니다..

AutoGluon은 Amazon Web Services(AWS)에서 개발한 오픈 소스 자동화 머신러닝(AutoML) 라이브러리입니다. 이번에 Kaggle Playground 대회를 준비하며 처음 접하게 되었는데, 이 라이브러리를 통해 적은 노력으로 강력한 머신러닝 모델을 구축할 수 있었고, 알아서 제공된 데이터에 대해 자동화된 최적 모델을 제공해줘서 정말 유용했습니다. 이번 글에서는 AutoGluon을 사용하는 방법을 알아보겠습니다.1. AutoGluon 설치하기pip install autogluon 2.  데이터 준비하기AutoGluon은 다양한 데이터 형식을 지원하지만, 일반적으로 CSV 파일을 사용해 데이터를 로드합니다.import pandas as pd# 데이터 로드train_data = pd.r..