Nishika_中古マンション価格予測

内容

テーマは国内の中古マンションの価格推定
データ内容
https://www.nishika.com/competitions/11/data

評価方法

• 目的変数は、取引価格（総額）について常用対数をとった、「取引価格（総額）_log」
• 予測精度の評価はMAE
• テストデータの約50%により暫定スコアが計算され、残りの約50%により最終スコアが計算される

最終順位

Public：20位、Private：22位

フォルダ構成

input:データ格納フォルダ
notebook：前処理から予測までのnotebookを格納

方針

過去のコンペのSolutionを参考に、以下の様なフローで実施。
参考：Probspace Re:不動産取引価格予測コンペ
https://oregin-ai.hatenablog.com/entry/2020/08/11/200829

追加データ

• 国土交通省平成30年地価公示 https://www.mlit.go.jp/totikensangyo/H30kouji_index.html
• 都道府県・市区町村別統計表（国勢調査） https://www.e-stat.go.jp/stat-search/files?page=1&layout=datalist&toukei=00200521&tstat=000001049104&cycle=0&tclass1=000001049105&collect_area=200&result_page=1&tclass2val=0
• 公示地価（国交省） https://nlftp.mlit.go.jp/ksj/old/datalist/old_KsjTmplt-L01.html

特徴量

基本的な集計などを実施。
前処理に関しては、Baselineを参考に実施。
https://www.nishika.com/competitions/11/topics/79

• CountEncoding
• OneHotEncoding
• OrdinalEncoding
• aggregation("count", "sum", "mean", "max", "min")

model

1層目は二つのモデルを使用（seed averagingは使用せず）

• LightGBM(kfold=5)
• CatBoost(kfold=5)

2層目：DNN

反省点

• GPUを使用できなかったので、学習に時間がかかる中、明確な方針を持って特徴量作成ができなかった。
• trainデータが大きいためにメモリとの戦いだった。。。（ダウンサンプリングなどを実施してもよかった）
• 期間が長い中で、実験方法含めてないことが多かった。
• DNNの結果がずれるのが、不明でロス（seedは固定していたのに）