KT AIVLE School 11주차 정리 - 미니프로젝트 5차

스마트폰 센서 데이터 기반 모션 분류를 진행했습니다. 이번 미니 프로젝트는 수목금 3일을 했고, 그 동안의 미니프로젝트에서는 조별로 진행했으나, 처음으로 개인별 미니프로젝트를 진행을 했습니다. 이 데이터에 대해선 저와 소통하는 DX 분에게 주마다 학습공유를 하다보니 한두달 전에 접해본 경험이 있었습니다! 월요일, 화요일은 AICE 시험을 위해 특강을 했습니다.

---

1일차

전처리를 진행했습니다.

2일차

개인별로 머신러닝, 딥러닝, 모델 이어붙이기를 진행했습니다.

그런데 모델들을 이어붙여서 만들어보니 괜찮다고 생각했으나

3일차

케글을 진행했으며 개인별로 다 등수가 나오다보니 누가 치팅을 했는지, 누가 몇등인지 라는 결과가 따라오다보니, 저는 상위권이 되기 위해서 엄청 집중해서 진행했습니다. 대부분 성능은 0.80이 최대가 되었으며 저는 0.786 정도 였던 것으로 기억합니다. 그래서 상위 30퍼센트 안에 들어서 기뻤습니다. 몇명은 뜬금없이 0.99와 0.86이 넘어서 치팅이 의심이 됐으며, 이번 미니프로젝트도 마찬가지로 결국 전처리에 의미가 없었고, 모델 설계를 복잡하게 하는 것보다, 단순하게 LightGBM을 하이퍼파라미터 튜닝한 것이 결과가 좋아서 현자타임이 왔지만.. 과거의 케글 결과에 비하면 만족스러웠습니다.

---

개인적인 생각

저는 그래도 상위권 순위에 들 수 있었던 이유는 LGBMC를 평상시에 많이 썼었고, GridSearchCV 설정을 잘 해두어서 익숙하게 하이퍼파라미터 수정을 하면서 마감 막바지에 순위를 끌어올렸습니다!

 

발표를 보고 든 생각

이러한 데이터에서 어떤 인사이트를 가지고 문제를 바라보고, 그 결과 성능이 좋아지는 사례를 볼 수 있었으면 좋았겟지만, 다들 LGBMC를 쓰거나, AutoML 을 쓰거나 단순히 전처리에 하나도 의미를 가지지 않고 성능에만 몰두해서 결과가 나와버려서, 전처리에 공들인 분들의 서러움을 느낄 수 있었고, 저 또한 약간의 현자타임을 느꼈습니다!