Introduction 50 Exp

Mission 1

コンペティションに参加する場合やデータ分析を行う場合で1番大切なことはデータを入念に確認することです。
今回のコンペでの提供データでは投球単位のデータと選手単位のデータの2つのデータが存在しました。
その中で個別にどんな情報を持ったデータなのか、2つのデータはどのように関係付けることができるのかなど確認するべきことが様々あります。
データを読み込んで今回の題材となるデータの概要を確認しましょう。

Mission 2

コンペを闘って行く上で大切な工程が2つあり、その2つを探索的分析と特徴量作成と言います。
探索的分析とは欠損値や重複データの確認、データの分布、データ間の関係性やそのばらつきを見ることを言います。
特徴量作成とはモデルの精度向上のために与えられたデータから新たな特徴を作成することを言います。
今回はひろしまコンペにて上位になった人たちの探索的分析や特徴量作成も踏まえて、様々な観点から手法や観点を学んでいきましょう。

Mission 3

通常コンペでは予測ファイルをコンペサイトでサブミットしないとスコアを確認することができません。
しかし精度向上のために施策を打って、その結果をサブミットしないと確認できないとなると少し不便ではありませんか？
そのような場合に備えて、モデルの妥当性を検証する方法の1つとしてクロスバリデーション（CV）と呼ばれる検証方法が存在します。
CVは実務でもAIの精度をちゃんと評価するために重要な設計の1つになります。
今回はこのCVと呼ばれる検証方法を使いながら、複数のアルゴリズムのモデルを作成していきます。
いつものクエストに比べると複雑ではありますが、この工程を学ぶことができれば様々なテーブルデータコンペで対応することができる重要なミッションとなります。
ぜひ少しずつでも良いので噛み砕いていきながら学んでいきましょう。

Mission 4

精度向上のためには様々な方法があります。
今回は複数のモデルの推論結果を使ってアンサンブルと呼ばれる手法と複数のモデルの積み上げを行う手法のスタッキングを学習していきます。
ひろしまコンペの上位者も必ずといっていいほど、アンサンブルもしくはスタッキングを使用してスコアブーストをしていましので上位に入り込むための大切な手法となりますので丁寧に学んでいきましょう。

Conclusion 50 Exp