devjjun 님의 블로그

TIL(Today I Learned)1️⃣실전 자동화 프로젝트 (6)오늘의 작업 요약조기종료 유/무 비교를 반영한 베이스라인 모델링 비교및 피처 선택 로직 개선1. 베이스라인 모델링 — 조기종료 유/무 비교목표: Y_Quality(연속형) 예측을 회귀로 학습한 뒤, fold별 임곗값으로 3-클래스 품질 등급을 분류후보 모델 3종: XGBoost, CatBoost, LightGBM타겟 변수 처리Y_Quality를 회귀 타깃으로만 학습, 분류는 사후 처리Product_id, product_code, timestamp, LINE_ 관련 컬럼 등 누수 피처 제거회귀→분류 임곗값도 fold별 train에서만 뽑기주요 내용Y_Quality 자체 회귀 성능(R² 0.54~0.68, 편차 큼)Stratified K-F..

TIL(Today I Learned)1️⃣실전 자동화 프로젝트 (5)피처 선택 파이프라인전처리.ipynb에서 생성한 A_31_preprocessed.csv, TO_31_preprocessed.csv를 입력으로 받아,타깃(Y_Class) 기준으로 Cross Validation 안에서 피처 중요도를 계산하고 불필요한 피처를 추가로 제거.전처리 단계(결측/분산/상관)는 타깃을 보지 않는 구조적 정리라 전체 데이터에 한 번 적용해도 무방하지만,데이터 누수 방지를 위해 반드시 CV 폴드 안에서 수행.STEP 1. 전처리 결과 불러오기 및 분리load_preprocessed()Y_Quality, Y_Class, PRODUCT_ID, PRODUCT_CODE, TIMESTAMP를 X에서 다시 분리CSV에는 저장을 위해..