O dataset para esta competição (tanto o de treinamento quanto o de teste) foi gerado a partir de um modelo de aprendizado profundo treinado com o conjunto de dados de Cogumelos da UCI. As distribuições das variáveis são próximas, mas não exatamente iguais, às do original. Sinta-se à vontade para usar o conjunto de dados original como parte desta competição, tanto para explorar as diferenças quanto para verificar se a incorporação do original no treinamento melhora o desempenho do modelo.
O objetivo deste projeto é (1) encontrar o modelo que se adeque melhor a métrica de avaliação da competição (o Matthews Correlation Coefficient), e (2) após 4 submissões quero ter documentada essa tentativa da minha primeira competição no Kaggle. Meu melhor resultado foi 0.97837.
A descrição completa dos dados pode ser encontrada na página da competição.
- Scikit-learn, Optuna, Category Encoders, Feature Engine.
- LightGBM.
- Matthews correlation coefficient, ROC AUC, F1 Score, Accuracy.
O modelo final para a submissão teve essas métricas:
| Métrica | Resultado |
|---|---|
| Accuracy | 0.9912622776468626 |
| ROC AUC | 0.9968762964639637 |
| F1 Score | 0.9903703192980782 |
| MCC | 0.9823787995025628 |
