[ML 대회 해설] Dacon 아파트 실거래가 예측 AI 경진대회 2등 풀이 - 소개 (1)

캐글은 영어로 되어있어 어렵고, 타이타닉 프로젝트는 식상한 ML 입문자분들께 추천하는 대회입니다.

기본 ML 지식과 함께 시계열데이터 예측 입문까지 해볼 수 있었습니다!

한국 데이터라 익숙하기도 하구요 ㅎㅎ

운 좋게도 현재 Public 2등에 석권했습니다 ㅎㅎ

이 포스트에서는 간단히 대회 개요를 소개하고, 제 개인적인 풀이는 보기좋게 여러 포스트로 나눠 올려볼게요 ;)

 

머신러닝 입문자이거나, 머신러닝기본 워크플로가 궁금하신 분은 이 글을 참고해주세요

 

대회 소개

https://dacon.io/competitions/official/21265/

아파트 실거래가 예측 AI 경진대회 - DACON

이 대회는 직방에서 제공한 2008-2017년 서울/부산 소재 아파트 거래내역을 기반으로, 2017년도 아파트 거래가를 예측하는 대회입니다.

 

약 1,200,000 건의 데이터로 이루어져있는데요, 이는 캐글 타이타닉 데이터의 약 1200배 되는 양입니다.

 

2008년~2017년을 기준으로 2017년 아파트 거래가를 예측해야 하므로 시계열데이터,

구체적인 거래가격을 예측해야하므로 회귀문제가 되겠습니다.

trainset에서 연도별 아파트 거래가 평균을 나타낸 표입니다. 2008~2017년까지의 거래 데이터로 구성된 걸 확인할 수 있습니다.

 

대회 규칙

대회에 들어가기 전, 평가함수(Eval metric)와 규칙을 꼭!! 숙지해야합니다.

'규칙' 페이지를 들어가 확인해봅시다.

평가함수

Root Mean Squared Error(RMSE)를 사용한다고 되어있습니다.

모르는 분들을 위해 간단히 설명하면, (모델이 예측한 값 - 실제값)의 제곱의 평균을 다시 루트 씌운 값입니다.

 

또, '데이터' 페이지에 들어가보면 이런 규칙이 있습니다.

국토교통부 실거래가 공개시스템 (http://rt.molit.go.kr/)과 같은 법적인 제약이 없는 외부 데이터(공공 데이터) 사용이 가능합니다.

 

즉, 대회에서 제공한 데이터셋 말고도 법적제약없는 외부데이터도 활용 가능합니다. 이 부분은 추후 다른 포스트에서 다시 설명하겠습니다.

 

데이터 개요

 

각각 간단히 설명하면 

1.train.csv : 모델을 학습시키는 데에 사용하는 데이터

2. test.csv: 학습시킨 모델을 대회측에서 평가하는 데이터

3. park.csv: 서울/부산 지역 공원에 대한 정보.

4. day_care_center.csv: 서울/부산 지역의 어린이집에 대한 정보.

 

여기서 가장 중요한 train.csv와 test.csv의 구조 차이를 간단하게 그려보았습니다.

그림에서 볼 수 있듯이, train.csv에는 실제 target feature 값이 주어지는 반면, test.csv는 실제 target feature의 값이 주어지지 않습니다.

 

즉, 우리의 목표는 train.csv로 모델을 학습시켜 test.csv의 타겟값을 채우는 것입니다. 

 

---

 

여기까지 데이콘 아파트 실거래가 예측 AI 경진대회 의 간략한 소개였습니다.

 

여기서 잠시 끊고, 다음 포스트에선 데이터의 Feature 설명과 본격적인 대회 풀이를 가져오겠습니다.

 

다음 글: https://here-lives-mummy.tistory.com/15

[ML 대회 해설] Dacon 아파트 실거래가 예측 AI 경진대회 3등 풀이 - 소개 (2): Numeric Feature 톺아보기

 

도움이 되었다면 하트 눌러주세요 :)

구독하시면 더 많은 데이터사이언스 정보와 대회풀이를 보실 수 있습니다!