[Week2/박찬서] 기상 변수 및 모델 사용 관련

[chsop]

EDA 및 모델을 활용한 예측부분 v0.3으로 풀리퀘 하였습니다. 특이사항 아래와 같이 정리해서 공유드려요!

기상관련 변수

• 최저기온, 최고기온, 강수량, 습도 컬럼 추가
• (idea) 강수량 컬럼은 비가 내렸는지 여부를 0,1로 변환하여 활용
• (idea) 습도 컬럼은 해당일자의 최대값 사용 -> 불쾌지수를 계산한 값과 해당일자 습도 최대값 중 목표변수와 더 높은 상관관계를 가지는 변수를 사용하면 어떨까요?

예측모델

• 범주형 변수 전처리 (라벨인코딩 or 원핫인코딩 중 활용 가능)
• RandomForest, XGBoost, LightGBM 성능비교 (MAE or MSE 기준 확인 가능) : 제 컴퓨터에서는 각각 5분정도씩 걸렸습니다 ㅜㅜ
• (idea) 하이퍼파라미터 튜닝 : 튜닝할 수 있는 파라미터는 엄청 다양한데 그리드서치 파라미터 종류를 3개로만 늘려도 시간이 엄청 오래걸리더라구요 ㅜㅜ 모델 성능 개선이 이번 분석의 목적이 아니므로 이 부분은 한번씩 경험삼아 돌려보는 정도로만 진행해도 충분하지 않을까 싶습니다.
• LightGBM 파라미터 튜닝 참고 : https://nurilee.com/2020/04/03/lightgbm-definition-parameter-tuning/

[jaehwan2]

기상 변수 관련해 내렸는지 여부 정도만 확인하는 것도 아주 좋은 아이디어인 것 같습니다. 공유주신 변수들 활용해서 저도 오늘 분석 진행해보겠습니다 :)

저도 어제 예측모델을 돌리면서 시간이 오래 걸렸던 게 하이퍼파라미터를 넣어서 돌려서 그런 것 같네요..ㅜ 이번에는 모델 성능 개선보다는 논리적인 피쳐 선정에 조금 더 초점을 맞추는 게 좋을 것 같습니다~!

고생하셨습니다!