Skip to content

2023년 스마트빌딩 빅데이터 분석 경진대회(최우수상)🥇

Notifications You must be signed in to change notification settings

BanApp/SmartBuilding-BigData-Competition

Repository files navigation

2023년 스마트빌딩 빅데이터 분석 경진대회(최우수상)🥇

🎥 프로젝트 소개

Iot 센서 데이터를 통해 수집된 데이터를 바탕으로 실내 재실인원 예측

경진대회 포스터_일정-1

최종결과: 최우수상

ACC Score: 0.792

플랫폼: 'Goolge Colab'
GPU: Tesla T4
GPU API: cuda
모델 : CatBoost

파일설명

  1. bin_classfier.pkl - 0과 0이 아닌 데이터들을 구분하기 위한 이진 분류 모델(피클 파일)

  2. multi_classfier.pkl - 1,2,3,4,5,6 데이터들을 구분하기 위한 다중 분류 모델(피클 파일)

  3. 모델_학습.ipynb - 코랩 환경에서 구동 가능한 이진분류 모델, 다중 분류 모델 학습 코드, GPU 사용, catboost 설치 필요, 데이터셋 경로 설정 필요.

  4. 모텔_테스트.ipynb - 코랩 환경에서 구동 가능한 경로를 통해서 피클 모델 및 데이터 호출 후 평가 할 수 있는 코드, catboost 설치 필요, 데이터셋 경로 및 모델 경로 설정 필요.

  5. 아이디어 요약본 - EDA, 데이터 전처리 및 모델제작에 대한 아이디어 요약.

  6. 아이디어 설명 - 아이디어에 대한 자세한 설명과 세부사항 및 결과 수록.


👨‍ 제작자



👦🏻 정민준 (EDA, 모델 제작, 발표)


📘 기능 설명

1) 모델_학습.ipynb 를 통해서 학습 데이터(csv)를 호출하고 데이터를 전처리후 모델을 학습한다.

2) 모델_테스트.ipynb 를 통해서 평가 데이터(csv)를 호출하고 데이터를 전처리후 모델을 사용한다.

About

2023년 스마트빌딩 빅데이터 분석 경진대회(최우수상)🥇

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published