12/04
01.ipynb,02.ipynbで,pandas plofiling,sweetvizをためした.
Name,デベロッパーは使うのむずそう.
12/05
- 03.ipynbで,ベースライン作成.ロスをrmsleにしたら,0.94くらいになった.だが,oofは1.04くらいなので注意!!
- 04.ipynbで,nameをPCAにするやつをやった.Nameだけ,trainとtestの分布が近いことがわかった.
- 05.ipynbで,nameを含めて学習.oofは0.94くらいになったが,LBはさがらず.もっと考える余地あり.
- 06.ipynbで,oofを見たり,色々分析.結構地域で(というか日本だけ)人気のジャンルなどの傾向がちがかった.あと,やっぱNanがおおいやつは予測がむずそう…testにもあるだろうし,ここをどうするか.
- 07.ipynbで,地域ごとに予測した.単純に足しただけでは,改善しなかった.0.97くらい.
- 08.ipynbで,07の予測を元に全体の予測を作ったが,05とかわらず.ちょっと悪くなってしまった.0.95くらい.もっとoofのどこで間違っているかとかみたほうがいい.
12/06
- 09.ipynbで,word2vecの効果をいろいろためした
- 10.ipynbで,05をかすたむ.PCAを,train/testどっちもに適用するよう変更
- 11.ipynbで,word2vecを特徴量にして学習.やっぱpublishいれると露骨にさがる.
- 12.ipynbは,ポケモンとかが名前に含まれるか調べてる.
- 13.ipynbは,gotoさんのやつ効果あるか.→多分publishいれてるからcvだけよくなってる.
- 14.ipynbで,翻訳しようとしたらなんかもうバグ
- 15.ipynbで,tifと,word2vec組み合わせたらのびた.
- 16.ipynbで,https://qiita.com/fufufukakaka/items/a7316273908a7c400868#%E3%81%BE%E3%81%A8%E3%82%81%E3%81%A8%E6%84%9F%E3%81%98%E3%81%9F%E8%AA%B2%E9%A1%8C%E3%81%AA%E3%81%A9 これやった
- 17.ipynbで,publisherごとにまとめたら伸びるとか言うからやったら無理だったんだが
12/07
- 17.ipynbで,パラメータと,foldと機能できなかったpublisherできた.developperも.
- 18.ipynbで,BERTしたけど,CVのびてLBかわらずだった.また,publisher他の項目もやったけど,のびんかった.
- 19.ipynbで,catboost
12/08
- 20.ipynbで,年を平均で保管してみたけど微妙だった
- 21.ipynbで,名前のベクトルも,publishごとにまとめた.publishの,tifだけきいた.
- 22.ipynbで,年を予測してみたが,精度イマイチだった.
- 23.ipynbで,13.ipynbを混ぜた.publishをぬかしたらけっこう精度出た.てか,13でも0.9くらいでるんだね.
12/09
- 24.ipynbでいろいろやった.salesは,増やしたらのびたんだけど,やっぱリークしてそうでコワイからやめました.
- ディスカッションで伸びてるっぽい特徴量試したけど特に効果なし.
- 相関高いの削除したらすこしよくなったきがする.
12/10
- 25.ipynbでいろいろやった.ローンチタイトルかどうかやったけどだめ.platformの名前がNameにはいってるかやってみたけどだめ.
15%圏内には入れず,残念.リークしている特徴量をいれても良いかわからなかった.結果,いれたほうがよかったっぽい.
ソースコードがきたなかったので,31.ipynbできれいにした.gotoさんのがとても参考になった.