✅네이버클라우드 캠프/개발일기
[네이버클라우드캠프] 17일차. Early Stopping, Optuna, QuantileTransformer, SelectFromModel을 활용한 모델 개선과 특성 선택
오늘은 팀원들과 함께 미니 프로젝트를 진행하는 시간을 가졌다. 프로젝트 주제는 "제주도 퇴근버스 탑승인원 예측"이었다. 우리는 해당 주제에 대해 x 데이터로는 7시부터 12시까지의 승하차 인원을, y 데이터로는 18시부터 20시까지의 승차인원을 예측하는 작업을 진행했다. 프로젝트에서 나는 주로 머신러닝 모델과 피처 엔지니어링, 그리고 파라미터 값 수정을 담당했다. 우리는 수업 시간에 배웠던 다양한 기법과 도구들을 활용하여 프로젝트를 진행했으며, train_test_split, KFold, 파라미터 조정, 스케일링(Scaler), 그리고 Optuna와 같은 기능들을 사용하여 모델의 성능을 높이는 데에 집중했다. catboost, xgboost, LGBM 등 다양한 머신러닝 모델을 실험하면서 r2 값을 향상..
