Gajitaku Post#4
私達のチームは、ニューラルネットワークを使って、各項目ごとに値を推定しました。
初めての説明なので分かりづらい部分があるかもしれませんがご了承下さい...
時間があまりないため、プログラムをメモのまま提出させてもらいます(各ファイルが統一されていません...)。
すみません。
各項目ごとの入力値を説明します。
・新たに作った入力値
Week(0～6) umb012(前日・当日・翌日に降水量>0のとき1、そうでないときは0)
high_bとhigh_a(前日翌日の最高気温) low_bとlow_a(前日翌日の最低気温)
higher_b(最高気温が前日<当日なら1) higher_a(最高気温が当日<翌日なら1)
lower_b(最低気温が前日<当日なら1) lower_a(最低気温が当日<翌日なら1)
highsub_bとhighsub_a(最高気温:当日-前日 翌日-当日)
lowsub_bとlowsub_a(最低気温:当日-前日 翌日-当日)
high-low(最高気温-最低気温)
日付はmonth date(dayの間違い)に分割
入力値の決め方：散布図を見て関係ありそうな入力を選択
lossが低くなるように毎回適当に変えてる部分もあるので添付ファイルを参照してください...
・ice1
highest lowest
・ice2
highest lowest
・ice3
highest lowest
・oden1
highest lowest rainなど
・oden2
highest high_b high_a higher_b lowest lower_b lower_a low_b low_a lowsub_b rain umb012など
・oden3
highest high_b high_a higher_b lowest lower_b lower_a low_b low_a lowsub_b rain umb012など
・oden4
highest lowest rain umb012など
・hot123 alcol123(同時学習 ただしbentoとmenも学習に入れる)
highest lowest rain high-low high_b high_a low_b low_a week umb012など
・dessert12345
rain week umb012 dateなど
・drink123456
highest lowest rain high-low high_b high_a low_b low_aなど
・snack123
rain week umb01など
・tild12
rain week umb12
・bento men(同時学習)
highest lowest rain high-low high_b high_a low_b low_a week umb012
ニューラルネットワークモデルについて
活性化関数:prelu
optimizer:RAdam or Adam
その他
・hotとalcolを同時学習した理由
はじめは全体の商品を一気に一つのモデルで算出するものだったのですが、個別にモデルを作るほうが評価が良くなったため、実践していました。しかし、hotとalcolだけは個別のモデルよりも同時学習したときのモデルのほうが評価が良かったため、個別ではなく同時学習をしました。
・bentoとmenを同時学習した理由
weekでこの２種類の項目をみたときに、同じ曜日で売れるか売れないかが決まっていたため、同時に学習しました
・odenに使用したデータについて
odenは7～9月は販売していないようだったので、データから削除しました
感想
pinball-lossを初めて使用して、うまく挙動をつかめず苦労しました。
外れ値について、そのデータをどう扱うか苦労しました。勝手に消してもいいのかどうかなど。
publicの評価が良くなったらその予測が良くなった、というわけでもないのでそこの見極めが大変でした。
publicLBが2位、privateLBが3位、終了後LBが1位ということで、初めての賞金コンペにしてはとても良い結果だったのではないかと思っています。
大まかな説明しかできませんでしたので、質問があればどんどんお願いします。