2018年12月18日

PLAsTiCC Astronomical Classification まとめ

12/18 に終了した https://www.kaggle.com/c/PLAsTiCC-2018 に関するツイートまとめです。主に各チームが何をやったか。
2
ynktk @ynktk1

チームメイトにも恵まれて,なんとかゴールドを獲得した.次のコンペでexpert牧場を卒業したい. pic.twitter.com/8PWfjLxJXH

2018-12-18 09:06:24
拡大
Maxwell! 🌃 @Maxwell_110

plasticc 安定していましたね。 gold finish した日本勢の方々おめでとうございます! kaggle.com/c/PLAsTiCC-201… pic.twitter.com/3EUDhhdFCf

2018-12-18 09:07:30
拡大
カレーちゃん🍮kaggleのチュートリアル第5版公開中 @currypurin

plasticcコンペ16位のシルバーメダルでした!! 最後の1週間のチームだったけれど、素晴らしいチームでした。 これで目標のKaggleMasterまで、シルバー以上ひとつとなりました。次こそはゴールドをとってKaggleMasterになれるようやっていきます! pic.twitter.com/NvlonUFdDp

2018-12-18 09:10:30
拡大
まますたん @mamas16k

PLAsTiCC Astronomical Classification, 3rd place/1100 teamsでした!応援して下さった方々、本当にありがとうございます!惜しくも優勝は逃してしまいましたが、最高のチームメイト達(@nyanp, yuval)と戦い、何とか初入賞することが出来ました!(* ´_ω`*) pic.twitter.com/SNrnhperdV

2018-12-18 09:12:10
拡大
まますたん @mamas16k

class99の式は、 extra galacticが c99 = 1.65 * (c42 + c52 + c62 + c95) ** 2.5 * (1 - c95 - c62) ** 0.635で、 galacticが c99 = 0.2 * np.prod([(1 - c) for c in classes]) だった。金圏入れなかった人たちはこれ使えれば入れると思う

2018-12-18 09:16:35
まますたん @mamas16k

ちなみにこれなしだとスコアは0.758で5位

2018-12-18 09:17:55
まますたん @mamas16k

c99の扱い、最後の5日間だけしか頑張ってないので、もっと良いやり方があったと思う

2018-12-18 09:19:01
reinlearn @reinlearn

PLAsTiCCコンペお疲れ様でした。メダル圏内には入れませんでしたが、学びは多かったです。でもやっぱり悔しいです(. .)

2018-12-18 09:19:28
カレーちゃん🍮kaggleのチュートリアル第5版公開中 @currypurin

金圏に入れなかった原因のひとつがこれか。アイデアはあったものの、全く試せなかった。 twitter.com/mamas16k/statu…

2018-12-18 09:20:50
まますたん @mamas16k

アンサンブルだけど、単純に線形で混ぜるよりもclass毎にweightをoof predictionから推定して混ぜた方が精度が良い。0.006ぐらいよくなる

2018-12-18 09:20:58
まますたん @mamas16k

モデルは、ワシ : CatBoost, nyanpさん: LightGBM, yuval : 1D-CNNだった。yuvalのモデルは本当美しいことこの上ないので皆見て欲しい。あと、nyanpさんの鬼特徴が本当凄かった。

2018-12-18 09:22:29
まますたん @mamas16k

何故かCatBoostのほうがLightGBMより全然精度良かったので、かなりparameter sensitiveなんだと思う

2018-12-18 09:24:25
こうきょ @hiding_koukyo

PLAsTiCCコンペお疲れ様でした、メダル圏にも入れず力不足を感じます 今回はTLの日本勢がかなりの割合で参加していたのでやってる間ズットプレッシャーを感じていました

2018-12-18 09:25:48
まますたん @mamas16k

特徴は、色々ハンドメイドした奴とpeakからn%への日数とか、GPとかやったけど、結局template fittingが一番効いてたという感じ

2018-12-18 09:26:00
takuoko @takuoko1

@mamas16k LBで試行錯誤したんですか?

2018-12-18 09:26:27
まますたん @mamas16k

@takuoko1 ある程度クラスに関する情報から想定はつくんですが、基本的にはextra galacticに関してLB探索する感じですね。僕らはそれに気づいたのが終了5日前だったので正直遅すぎた・・・

2018-12-18 09:27:51
Maxwell! 🌃 @Maxwell_110

@jy_msc 機会があれば組みましょう!w

2018-12-18 09:28:13
まますたん @mamas16k

@takuoko1 まあ僕たちの場合モデルも違うし3人とも全然予測値の分布が違ったので・・・例えばLightGBMとLightGBMとかだったら普通にoverfitすると思います

2018-12-18 09:28:43
まますたん @mamas16k

ただ、上位5チームはclass99がどうであろうと結局同じであることは間違いない

2018-12-18 09:29:34
まますたん @mamas16k

@Maxwell_110 @takuoko1 それもあって、自分はhyperoptでsearchするときにweightの範囲とweightの平均に制約をかけてました。例えば、weightは0.4 ~ 0.6の間みたいな感じで

2018-12-18 09:31:35
Maxwell! 🌃 @Maxwell_110

@mamas16k @takuoko1 それぞれの weight はどれくらいだったのですか?

2018-12-18 09:31:52
まますたん @mamas16k

@Maxwell_110 @takuoko1 もちろんclass毎に全然違うんですが、平均してみるとCatBoost : 0.3, LightGBM : 0.2, NN : 0.5ぐらいですね (というかそうなるようにweightを定めた)

2018-12-18 09:32:52
takuoko @takuoko1

@mamas16k Twitterでは伝わらないので明日聞きます!

2018-12-18 09:33:23
Maxwell! 🌃 @Maxwell_110

@mamas16k @takuoko1 おお。いい感じの weight ですね。 安心感のある比率。

2018-12-18 09:33:38
残りを読む(80)

コメント

コメントがまだありません。感想を最初に伝えてみませんか?