MOASIS

Team

김솔하	전종훈	심원형	김지혜	김용욱
팀장, 전체과정참여/조율	모델선택/모델 학습	전처리/모델 학습	모델학습/PPT작성	인사이트제공/PPT작성

0. Overview

Environment

• Jupyter Notebook
• Ubuntu
• VScode
• python
• numpy, pandas
• sklearn
• matplotlib, seaborn

Requirements

• catboost==1.2.7
• eli5==0.13.0
• numpy==1.23.5
• optuna==4.1.0
• pandas==1.5.3
• scikit-learn==1.0.2
• scipy==1.15.0
• seaborn==0.12.2

1. Competiton Info

Overview

• 서울시 아파트 실거래가 매매 데이터를 기반으로 아파트 가격을 예측하는 대회

Timeline

• 2024.12.23 - Start Date
• 2025.01.07 - Final submission deadline

2. Components

Directory

• 중심 아이디어 및 전처리 데이터를 토대로 각자 학습을 맡아 하였기에 정해진 공통된 구조는 딱히 없습니다.

3. Data descrption

Dataset overview

• 매매 거래 기록
• 주소, 아파트명, 전용면적, 기타 아파트 정보 칼럼 존재
• 2000년대 자료부터 존재

EDA

• 결측치가 75%이상인 칼럼 다수 존재
• 아파트명, 좌표 x, 좌표y 결측치 존재

Data Processing

• 외부 Geo 데이터를 활용해 좌표 결측치 입력
• 좌표 정보로 지하철과의 거리 계산하여 역세권 여부 추가
• 외부 주담대 금리 데이터 추가
• 외부 공시지가 데이터 추가
• 중요도 낮은 항목 제거
• 전용면적 IQR 이상치 제거
• 레이블 인코딩 및 결측값 보강

4. Modeling

Model descrition

여러가지 모델을 돌려보고 좋은 결과의 모델로 선택

• LASSO, ElasticNet - 선형 모델로 선정
• RandomForest - 기본 제공된 학습 코드
• XGBoost - 성능이 좋은 모델
• LightGBM - 빠르고 성능도 좋은 모델

Modeling Process

5. Result

Leader Board

• 6등/ 29306.6490

Presentation

• 발표자료

etc

Meeting Log

• Team Notion