Academic · 학부
머신러닝 팀프로젝트 개발
백화점 트랜잭션 기반 9-class 고객 분류. Word2Vec sequence embedding + CatBoost/LGBM/DNN blending. Kaggle kml2022s 클래스 경진대회 2등.
기간
2022.03 – 2022.06
역할
소속 / 주최
국민대 머신러닝 수업 내 Kaggle 컴페티션
배경
국민대학교 머신러닝 수업의 주차별 팀 과제와 학기 말 Kaggle 클래스 경진대회(kml2022s)를 정리한 프로젝트. 메인 과제는 백화점 트랜잭션 기반 9-class 고객 분류 (Multi-class log loss).
접근
주차별 과제로 baseline classification·categorical encoding·sklearn pipeline·customer-signature feature engineering을 수행. 메인 대회는 transaction feature engineering, 브랜드·코너·고객·상품군·상품코드 시퀀스 기반 Word2Vec sequence embedding을 만들고 CatBoost·LGBM·DNN 모델을 학습해 prediction blending.
결과
Kaggle kml2022s 2등 (수업 내 클래스 경진대회).
Stack
CatBoostLightGBMWord2VecDNNKaggle