ML Competition : Fast-UP Report

1. Abstract

• Goal of the Competition
  • 주어진 데이터를 이용하여 서울 아파트 실거래가를 효과적으로 예측하는 모델 개발
• Timeline
  • March 20, 2024 - Start Date
  • April 2, 2024 - Final submission deadline
• Description of the work
  • 다양한 목적하에 다양한 부동산 관련 의사결정에 도움을 주기 위한 부동산 거래가격 예측모델 개발이 목적
  • 총 4개의 데이터 세트가 제공
    • 1 : 아파트 실거래가 데이터
      • 국토교통부 제공
      • 아파트의 위치, 크기, 건설 연도, 주변 시설 및 교통 편의성과 같은 다양한 기능을 포함
    • 2,3 : 추가데이터
      • 서울시 제공
      • 지하철역과 버스정류장 관련 정보 포함
    • 4  : 평가데이터

2. Process : Competition Model

• XGBRegressor 모델 사용
  • 전체 데이터셋 예측
  • lux_apt, top_5_apt, 구 등 고가격 주택 관련 feature 생성후 포함
  • optuna 사용하여 최적화

3. Process : Issues

• 시계열 Data 처리 관련 이슈
  • 외부 데이터 반영시도
  • LSTM 기법 활용시도
    • 'unique_id' feature 생성하여 '계약연월' 따른 변화추적
    • 데이터 특성이 제각각이며 차원 처리등 튜닝의 어려움 있었음 
  • 단순이동평균 기법 시도
• 건축년도 활용시도
  • 지역 특성상 구축이여도 가격이 낮지 않은 경향성 확인
  • 성능에 좋은 영향없어 배제하기로 결정

4. Role

• 데이터 EDA 진행 및 아이디어 공유
• 코드 구현 아이디어 등 팀원 보조
• 발표자료 제작 및 지원

5. Results

• 최종결과 기준 5위
• Final standings of the Leaderboard
  • Public : 16621.89
  • Private : 13331.07

6. Conclusion

• 개인적으로 많이 준비가 부족했었던 대회라고 생각
• 모델을 설계하는 것도 중요하지만 데이터에 대한 심층적인 EDA와 세밀한 전처리가 우선적이여야함
• 사고 발생시 대응할 수 있도록 데이터를 미리 백업해두는 습관을 가져야함
• 기존 스터디와 같이 개별로 준비하고 아이디어와 코드를 취합하는 과정을 거치다보니 비효율적으로 진행된듯함
  
  • 그룹 단위의 역할 배분 및 관리 등 매니지먼트가 있어야함을 체감했으며 방법을 알아볼 예정
• 우수한 성과를 거둔 조의 운영방식을 벤치마킹할 필요성 있음
  • 세밀한 전처리와 EDA, 매니지먼트, 실험 파이프라인 구축 등