goormNLP [Competition]

Auspice by Goorm, Manage by DAVIAN @ KAIST

Multiple Logistic Regression

2022-02-08

중간고사를 대체해서 competition을 진행하였다.
Dataset은 red wine quality로 0~5는 bad, 6~10은 good으로 regression하는 문제였다.

지금까지 배워왔던 ML 이론으로 진행을 하였는데 패키지에 있는 model을 사용하는 것이 아닌
밑바닥부터 구현한 def regression model 을 이용하여 진행하였다.

지난 Practice에서 진행한 코드를 사용했으며, 데이터의 퀄리티가 그렇게 좋지는 않아서 높은 성능을 보이진 않았다.

데이터 EDA를 진행한 결과:

1) quality에서 3, 4, 5, 6, 7, 8 라벨 중 3, 4, 8 라벨이 데이터가 턱없이 부족하여 간단한 data aug를 진행함.
2) 데이터 분포가 정규분포가 아니라 한 곳에 치우친 경향이 있어 logarithm_scaler를 진행하여 정규분포를 최대한 맞추어줌.
3) outlier 2.5 이상 데이터는 제거함.
4) scikit-learn의 StandardScaler를 이용하여 데이터 스케일링 진행함.

결과:

Validation loss: 60.85813779097783
Validation precision: 0.59375
Validation recall: 0.8837209302325582
Validation F-score: 0.7102803738317758
Validation Accuracy: 0.7633587786259542

---

ipynb 원본 링크