hojae-m-choi / aiffel_projects

project submission for aiffel

aiffel_projects

project submission for aiffel 🔑 PRT(Peer Review Template)

• [o] 1. 주어진 문제를 해결하는 완성된 코드가 제출되었나요? (완성도)

  • 문제에서 요구하는 최종 결과물이 첨부되었는지 확인
  • 문제를 해결하는 완성된 코드란 프로젝트 루브릭 3개 중 2개, 퀘스트 문제 요구조건 등을 지칭
    • 해당 조건을 만족하는 부분의 코드 및 결과물을 캡쳐하여 사진으로 첨부

• [o] 2. 프로젝트에서 핵심적인 부분에 대한 설명이 주석(닥스트링) 및 마크다운 형태로 잘 기록되어있나요? (설명)

  • [o] 모델 구성과 의도의 설명이 잘 되었는가?
  • 모델을 의도한 바에 적절하게 만들었는가? 회귀 문제이고 각각 피쳐들이 따로 움직였기에 해당 모델을 선택했습니다.
  • [o] Metrics 선정 이유 회귀 문제이기에 MSE,RMSE를 비교해 사용했습니다.
  • [o] Loss 선정 이유 사이킷런에서 디폴트인 Rscore가 정규화된 메트릭이라 좀더 객관적인 지표이기에 사용했습니다.

• [o] 3. 체크리스트에 해당하는 항목들을 모두 수행하였나요? (문제 해결)

  • [o] 데이터를 분할하여 프로젝트를 진행했나요? (train, validation, test 데이터로 구분)

  • 하이퍼파라미터를 변경해가며 여러 시도를 했나요? (learning rate, dropout rate, unit, batch size, epoch 등)

  • [o] 각 실험을 시각화하여 비교하였나요?

  • [o] 모든 실험 결과가 기록되었나요?

• 4. 프로젝트에 대한 회고가 상세히 기록 되어 있나요? (회고, 정리)

  • [o] 배운 점
  • 상관관계에 대해 분석하는 것이 유리할수 있다. 어떤 피쳐가 결과를 맞춰야할 값이 count와 상관있는지 확인할수 있어 어떤 문제인지 알수있었다는점.
  • [o] 아쉬운 점

• 여러 하이퍼 파라미터를 테스트해보지는 못했다. 기본적으로 적용되어있는값이 있었기에 다른 모델을 넣어 테스트하고 모델선정까지 해보았으면 좋았을것같다.

  • [o] 느낀 점
  • 다음에는 딥러닝 모델을 써보고싶다라는 생각이 들었다.
    • [o] 어려웠던 점 -시각화 하는것을 찾아보고 알아갈수 있어 유익했다.

Team quest 후기

• C2 조
  • Sigmoid 가 activation 으로 되어 있으면 layer 깊이가 4만 되어도 학습이 전혀 안됐다.
  • 재밌어 보였다.
• C4 조
  • 뉴런이 많아질 수록 그래프가 더 복잡해짐.
  • Layer 두 개, 6개 일때 크게 표현력이 달라지지 않았다.
• C1 + M1 조
  • 모델이 복잡할수록 높은 learning rate 를 쓰는게 좋아 보였다.
  • 수렴 속도는 linear > tanh > sigmoid > 였다.
• C3
  • sigmoid 에서만 성능이 좋았다.
• 부스1,2
  • Conv Layer 의 filter size 를 조절해서 layer 의 너비를 조절했다.
  • 그래도 비슷한 경향을 나타내고 있었다.

• M2