Academic · 2022 · 국민대
백화점 고객 구매 이력 분류
백화점 트랜잭션 기반 8-class 고객 분류. Word2Vec sequence embedding + CatBoost/LGBM/DNN blending. Kaggle kml2022s 클래스 경진대회 2등.
기간
2022.03 – 2022.06
소속 / 주최
국민대 머신러닝 수업 내 Kaggle 컴페티션
배경
국민대학교 머신러닝 수업 학기 말 Kaggle 클래스 경진대회(kml2022s). 백화점 1년치 구매 트랜잭션으로 고객을 성별×연령대 8개 그룹(F20–M50)으로 분류하는 과제 (Multi-class log loss).
접근
고객별 구매 트랜잭션을 브랜드·코너·파트·상품 시퀀스로 모아 Word2Vec sequence embedding을 만들고, 범주형 파생 변수를 category encoder로 변환한 뒤 SHAP으로 피처 선택. CatBoost·LGBM·XGBoost·DNN(Keras·PyTorch)·MLP를 학습해 prediction blending.
결과
Kaggle kml2022s Private 2등, log loss 1.45953 (3인 팀, 수업 내 클래스 경진대회).
Stack
CatBoostLightGBMWord2VecDNNKaggle