CTR 예측 모델링 프로젝트 요약 (Notion 정리용)

본 문서는 PyTorch 신경망과 LightGBM을 결합한 하이브리드 모델의 개발 과정과 최종 전략을 요약합니다. Google Colab 환경에서의 안정성과 성능 향상을 위한 다양한 엔지니어링 기법을 적용했습니다.


1. 프로젝트 목표 및 평가 방식


2. 실행 환경 및 안정성 확보


3. 데이터 준비 과정 (Data Pipeline)

데이터의 잠재력을 최대한 끌어내는 데 집중했습니다.

  1. 데이터 로드: train.parquet, test.parquet 데이터를 메모리에 로드합니다.
  2. 핵심 피처 엔지니어링: 모델이 더 복잡한 패턴을 학습할 수 있도록 새로운 변수를 생성합니다.
  3. 데이터 샘플링:
  4. 전처리:

4. 모델링 전략: 강점 결합 하이브리드