요약
- 원제(블로그 표기) "LG Aimers 5기 회고: Stacking 앙상블과 SMOTE-ENN으로 풀어본 제품 이상 여부 판별" — 파일명 금지 문자(:)만 치환. 게시일 2024-10-25 · slug
lg-aimers-5th-comprehensive-retro · 카테고리 "프로젝트 · 해커톤 · 대회 / ML · 데이터 대회" · 한국어·영어 병기 - LG Aimers 5기 '제품 이상 여부 판별' 대회 회고. 이상 제품이 전체의 1% 미만인 극심한 클래스 불균형과 F1-Score 평가가 핵심 문제였다.
- SMOTE-ENN 하이브리드 샘플링(SMOTE만 쓸 때 대비 Precision +8pp)과 LGBM·XGBoost·CatBoost 베이스 + 로지스틱 회귀 메타 모델의 스태킹, Stratified 5-Fold OOF 학습을 사용했다.
- 결과는 1,400팀 중 상위 5.5%. 본선 진출은 간발의 차로 놓쳤다.
- 복기에서 피처 엔지니어링 부재, 실험 관리 미흡(같은 실험 반복), 시간 분배 실패 세 가지를 짚고 다음 대회에서 EDA와 피처 생성 시간을 분리해 계획하겠다고 썼다.
등장하는 것
- LG Aimers 5기 — 글의 주제인 대회·교육
- LG AI연구원 — LG Aimers 주관
연결
- Writing · Credentials
- 원자 노트: 실험 관리가 없으면 같은 실험을 반복한다 — EDA와 피처 생성 시간을 분리해 계획한다 · 극심한 불균형은 샘플링 조합으로 푼다 — SMOTE-ENN이 SMOTE 단독 대비 Precision +8pp
- 개념: CatBoost · F1-Score · LightGBM · SMOTE-ENN · Stacking 앙상블 · XGBoost · i18n 다국어 · 교차 검증 · 기술 블로그 운영 · 로지스틱 회귀 · 앙상블 · 이상탐지 · 클래스 불균형 · 피처 엔지니어링 · 하이퍼파라미터 튜닝
