본 문서는 PyTorch 신경망과 LightGBM을 결합한 하이브리드 모델의 개발 과정과 최종 전략을 요약합니다. Google Colab 환경에서의 안정성과 성능 향상을 위한 다양한 엔지니어링 기법을 적용했습니다.
clicked) 예측을 통한 CTR(Click-Through Rate) 예측Google Drive를 마운트하여 데이터 및 결과물을 관리keep_alive 기능과, 학습 중단 시 이전 지점부터 재시작이 가능한 체크포인트 기능을 포함데이터의 잠재력을 최대한 끌어내는 데 집중했습니다.
train.parquet, test.parquet 데이터를 메모리에 로드합니다.inv_age (inventory_id + age_group): 특정 광고와 연령대 간의 관계day_hour (day_of_week + hour): 특정 요일의 시간대별 패턴seq)에서 통계적 정보를 추출
seq_mean, seq_std, seq_max: 행동 시퀀스의 평균, 표준편차, 최댓값clicked가 0인 데이터를 일부만 추출(다운샘플링)하여 1:3 비율의 학습 데이터를 구성합니다.LabelEncoder를 사용하여 모든 문자열 데이터를 숫자형으로 변환합니다.중앙값(median)으로 채웁니다.