Kaggleのコンペティションに参加し、主に以下の工夫でスコアを改善しました。
- 特徴量は基本のものを使用し、過度に加工せずモデルの素直な精度を重視。
- 複数のモデルを試行(例:LightGBM、ランダムフォレスト、ロジスティック回帰など)し、モデルごとの強みを比較。
- 交差検証を徹底し、過学習を防ぎながら安定したスコアを追求。
- 欠損値処理や外れ値対応として、k近傍法(kNN)による前処理を活用し、より自然な補完を実現。
結果として、シンプルな特徴量でも前処理とモデル選択の工夫で、スコアを大きく改善することができました。
実務でも、データの基礎を大事にしながら、検証と工夫を積み重ねて成果に繋げられる力を強みとしています。
順位は1300人ほど参加している中で500位くらいですが、今後も頑張ります。