생체 광학 데이터 분석 AI 경진대회 8위 수상작입니다

1. https://dacon.io
월간 데이콘 5 생체
광학 데이터 분석
AI 경진대회
JY!

2. 목차
1
2
3
STEP 1
STEP 2
STEP 3
https://dacon.io 2
데이터 전처리 & EDA
모델 구축 & 검증
결과 및 결언
데이터 전처리
모델 구축 & 검증
결과 및 결언
• LSTM 모델 구축
• 결과 및 결언
• 결측치 보간
• 로그 변환

3. https://dacon.io 3
1. 데이터 전처리
1) 결측치 보간
• Pandas의 interpolate(method=‘linear’) 사용
• 앞뒤로 남은 결측치는 0으로 보간

4. https://dacon.io 4
1. 데이터 전처리
1) 로그 변환
• 스케일을 줄이기 위해 로그 변환
plt.hist(log=True)

5. https://dacon.io 5
2. 모델 구축 & 검증
1) 모델 구축
• Bi-LSTM 3개 층을 쌓고, 각 층의 hidden state를 concat하여 예측하는 구조
Bi-LSTM 1
Bi-LSTM 2
Bi-LSTM 3
Hidden state 1,2,3, Rho
Dense
Softmax
Dense(Rho)
Concat

6. https://dacon.io 6
3. 결과 및 결언
1) 결과
• Validation 점수는 평균 0.89를 중심으로 ±0.005 정도의 편차를 보임
• Validation과 test 점수의 차도 0.005 정도로 일정하게 나옴
• 최종 Validation 점수는 0.88, test 점수는 약 0.83(최종 0.818)이 나옴
2) 결언
• 처음에는 LGBM을 썼으나 점수가 생각보다 나오지 않아서 딥러닝 모
델로 변경
• 특별한 Feature engineering 없이 좋은 점수가 나와서, 딥러닝 모델 본
연의 장점을 느낄 수 있는 좋은 경험이었음

7. THANK YOU
THANK YOU
https://dacon.io 7