- 주최: 제주 테크노파크
- 주관: 데이콘
- 기간: 2022.12.12 ~ 2022.12.14
- 주제: 감귤 착과량 예측 AI 모델 개발
감귤나무의 나무 생육 상태, 엽록소 및 새순 정보로부터 감귤 착과량을 회귀 예측
- 최종 7위 / 257팀 (상위 3%, 동상)
- Public Score 0.07287 | Private Score 0.07286
Input
- ID : 과수나무 고유 ID
- 나무 생육 상태 Features (4개): 수고(m), 수관폭1(min), 수관폭2(max), 수관폭평균(수관폭1과 수관폭2의 평균)
- 데이터 기입은 cm 단위
- 새순 Features (89개): 2022년 09월 01일 ~ 2022년 11월 28일에 일별 측정된 새순 데이터
- 엽록소 Features (89개): 2022년 09월 01일 ~ 2022년 11월 28일에 일별 측정된 엽록소 데이터
Target
- 착과량(int) : 실제 감귤 착과량 (Target)
Train / Test set
- Train set: 총 2207개 과수나무 케이스 (TRAIN_0000 ~ TRAIN_2206.csv)
- Test set: 총 2208개 과수나무 케이스 (TEST_0000 ~ TEST_2207.csv)
XGBoostRegressor
,RandomForestRegressor
엽록소 Feature 삭제 및 파생변수 생성
파생변수 종류 | 설명 |
---|---|
9일간 새순 평균 | 새순의 변화가 급격하지 않기 때문에 9일간 평균을 계산함 |
새순 최댓값, 최솟값, 범위 | 시간이 지나면서 새순 변수가 점차 감소함을 반영하기 위해 최댓값, 최솟값, 범위를 계산함 |
나무 부피 | 수고와 수관폭평균을 곱함 |
- EDA 결과 target 값과 큰 연관성이 없는 엽록소 컬럼을 모두 drop한 것이 유의미한 결과를 만든 것으로 보입니다
- 자세한 내용은 PPT 자료에서 확인할 수 있습니다