심화프로젝트 : 회귀분석을 활용한 월마트 주간 판매량 예측(4)

심화프로젝트 : 회귀분석을 활용한 월마트 주간 판매량 예측

🤖 머신러닝 : 하이퍼파라미터 조정

이 부분은 직접 진행하지 않았지만, 약간 요약해서 적어두겠음..!

앞의 변수 선택 단계에서 성능이 가장 좋았던 model_rf7과 model_xgb7 두가지를 선택해 하이퍼파라미터를 조정해보았다. 랜덤포레스트 뿐 아니라 Xgboost도 함께 진행한 이유는 더 다양한 경우의 수를 살펴보기 위해서였다.

• rf8단계에서 랜덤서치 결과인 최적화한 파라미터 사용시 전반적으로 성능이 크게 저하되었다. → 따라서 파라미터를 조정하지 않은 rf7을 xgboost의 best model과 비교하기로 했다.
• Xgb 8에서 그리드 서치 결과를 반영해 max_depth & n_estimators를 조정했다. 그 영향으로 비약적인 성능 상승이 있었다. Xgb 9에서 성능 상승을 위해 n_estimators를 키우고, 과적합 방지 목적으로 alpha, lambda를 통해 L1, L2 규제한 결과 성능이 더욱 개선되었다.

👍 최종 모델 선정

선택된 변수 |  CPI_sd, Dept, IsHoliday_le, Size_sd, Store, Temperature_sd, Unemployment_sd, Week, Year
정규화 |  일부 변수(Store, Dept) 제외 Sklearn.preprocessing.Standard Scaler 활용
인코딩 |  IsHoliday 라벨 인코딩 
모델 | Xgboost

하이퍼파라미터 | colsample_bytree =0.9 , learning_rate =0.3, max_depth =10, min_child_weight =5, n_estimators=1000 , lambda=10, alpha=2 

 

📌 대시보드 기획

Datapane으로 각 지점별 점장에게 제공될 주간보고서용 대시보드를 다음과 같이 기획했다. (원본은 글씨가 엉망이라 다시 적어두었음.)

실질적으로 구현이 가능한가에 대해서 생각하기 보다는, 주간 보고서에 어떤 내용이 들어가야하는지를 중점적으로 기획했다.

🧑‍🏫 PPT 제작