1 of 43

마이너스

www.fastcampus.co.kr

1조

기원선, 김다운, 김도연, 서상혁, 신동혁

Data Miners & Minus Loss

2 of 43

www.fastcampus.co.kr

Content

01. 팀원 소개

02. 대회 소개

03. Data Description

05. 결과

04. Strategy

06. FeedBack

3 of 43

01

팀원 소개

www.fastcampus.co.kr

4 of 43

www.fastcampus.co.kr

팀원 소개

5 of 43

02

대회 소개

www.fastcampus.co.kr

6 of 43

www.fastcampus.co.kr

대회 개요

7 of 43

www.fastcampus.co.kr

평가 지표

8 of 43

www.fastcampus.co.kr

제출 파일

9 of 43

03

Data Description

www.fastcampus.co.kr

10 of 43

www.fastcampus.co.kr

데이터 설명

버스 및 지하철 데이터가

기본 확장 데이터로 주어짐

계약일에 따른 아파트의 정보와

타겟인 아파트의 가격이 담긴 DataSet

📘 Train & Test

📕 Extension

11 of 43

www.fastcampus.co.kr

📘 Describe

📕 Info

데이터 기초통계 및 정보 요약

표를 이용해

연속형 변수의 대체적인 분포를 확인

변수의 형태가 어떻게 이루어져 있는지

info를 활용하여 확인

12 of 43

04

Strategy

www.fastcampus.co.kr

13 of 43

www.fastcampus.co.kr

EDA

📘 Target Distribution

📕 Log Scale

실제 Target의 분포를 나타낸 그래프

Right Skewed된 것을 확인할 수 있음

Target을 Log Scale로 변환하여 변수를 확인

정규분포와 비슷한 형태를 보임

14 of 43

www.fastcampus.co.kr

EDA

아파트 면적에 따른

실거래 빈도 수를 확인

📘 Area Distribution

📕 Union

비슷한 면적의 아파트에 대해

그룹화를 진행

범주 단순화 진행한 것을

시각화

15 of 43

www.fastcampus.co.kr

EDA

현재년도를 기준으로 건축년도에 따른 target의 경향성이 눈에 띄게 보이지 않으며

건축년도가 1980년대 이전 건축물도 높은 target을 보이므로 건축년도와 target간의 관계는 보이지 않음

📘 건축년도

16 of 43

www.fastcampus.co.kr

EDA

현재년도를 기준으로 계약년일에 따른 target의 경향성이 2017년을 기준으로 크게 변동,

예측하고자 하는 데이터의 일자가 2023년 7월부터 9월 말까지 이므로 �변동성이 큰 2017년 01월 01일을 기준으로 이후 데이터를 사용

📘 Time Split

2017

17 of 43

www.fastcampus.co.kr

EDA

18 of 43

www.fastcampus.co.kr

외부 데이터 활용

학군

(서울시 학군 정보)

한강 및 지천 생활권

도시공원 생활권

전세가율

(KB부동산)

금리�(한국은행)

GDP�(한국은행)

대통령 득표율

아파트 정보 크롤링

(네이버 페이 부동산)

역세권�(버스, 지하철)

한강 대교 거리

(하버사인)

산책 생활권

숲세권 생활권

19 of 43

www.fastcampus.co.kr

Strategy I

20 of 43

www.fastcampus.co.kr

Feature Select

📘 금리(interest rate)

금리 인상이 집값에 영향을 줄 수 있는 것을

확인할 수 있었음

1년 전의 금리와 비교

금리 변동에 집값이 영향을 미침

21 of 43

www.fastcampus.co.kr

Feature Select

📘 GDP

📕 학군

22 of 43

www.fastcampus.co.kr

Feature Select

지구의 곡면을 고려하는

거리 계산식 활용

📘 harversin Distance

📕 한강대교 거리

📗 역세권

한강대교까지 거리를

하버사인 거리로 계산

교통수단 역 좌표로

가장 가까운 역의 유동인구,

최단거리, 역세권 반영

23 of 43

www.fastcampus.co.kr

데이터 전처리

KNN

Imputator

Train

Test Train merge -> Test Null 149

SPACE_APT_AVG
15000	0
19000	1
21500	2
24000	3
…


700000	72
800000	73
900000	74
1000000	75
1100000	76
1200000	77

동별 아파트명

(Categorical)

아파트명

(Categorical)

동

(Categorical)

전용면적//3.3

(Numerical)

동평 아파트명

(Categorical)

target

(Categorical)

동평 아파트별 평균값 분류

(Numerical)

24 of 43

www.fastcampus.co.kr

데이터 전처리

DONG_RANK

동 평균을 순위로 나타냄

25 of 43

www.fastcampus.co.kr

Model Select

📘 Model Voting Ensemble

Feature

동별 아파트 및 아파트의 전용 면적별 평균값 분류
동 평균값을 순위로 나타냄
계약 년월
외부 데이터 (금리,GDP,하버사인, 전세가율, 학군)

Feature

동별 아파트 및 아파트의 전용 면적별 평균값 분류
동 평균값을 순위로 나타냄
계약 년월
외부 데이터 (금리,GDP,하버사인, 전세가율, 학군)

Feature

동별 아파트 및 아파트의 전용 면적별 평균값 분류
동 평균값을 순위로 나타냄
계약 년월
외부 데이터 (금리,GDP,하버사인, 전세가율, 학군)

26 of 43

www.fastcampus.co.kr

RESULT

RMSE test: 8468.879900564043

RMSE : 89667.8434

27 of 43

www.fastcampus.co.kr

Strategy II

28 of 43

www.fastcampus.co.kr

EDA

📘 Transaction date & Target 3 Groups

📕 Transaction date & Target 4 Groups

10억 이하 / 10억 - 40억 / 40억 초과

3군으로 나누어 Scatter Plot 으로 나타냄

(전체적으로 우상향)

2억 5천 이하 / 2억 5천 - 5억 / 5억 - 10억 / 10억 초과

4군으로 나누어 Scatter Plot으로 나타냄

(1군 빼고 시계열의 경향을 띄지 않음)

29 of 43

www.fastcampus.co.kr

데이터 전처리

아파트명으로 Train 데이터 가격의 평균을 계산

📘 Price Means

📕 K-means Clustering

📗 Set Group

K = 5

K-means clustering 활용

평균가격을 기준으로

아파트 군집화

(cluster)

30 of 43

www.fastcampus.co.kr

데이터 전처리

📘 bucket area

📕 floor

60이하 / 60초과 85이하 / 85초과

전용면적을 3개의 범주로 분리

3층 이하를 저층구간으로 설정

31 of 43

www.fastcampus.co.kr

데이터 전처리

아파트_ID

(Numerical)

시군구

(Categorical)

아파트명

(Categorical)

32 of 43

www.fastcampus.co.kr

Feature Engineering

매매일 기준으로 이전에 매매된 같은 동네, 비슷한 면적의 아파트의 정보 불러옴

부동산 평가 시 최근에 거래된 매물을 바탕으로 아파트 가격을 평가하는 경우가 많음

최근 아파트 가격

recent_price

최근 3개월 간 같은 동네의

아파트 거래량의 빈도수

거래량이 증가할 수록 아파트 집 값이

상승하는 경향을 보임

아파트 최근 거래량

transaction_cnt

📘 최근 아파트 가격(recent_price)

📕 아파트 최근 거래량(transaction cnt)

33 of 43

www.fastcampus.co.kr

Feature Engineering

📘 금리(interest rate)

금리 인상이 집값에 영향을 줄 수 있는 것을

확인할 수 있었음

실제로 1년 shift하여 비교

금리 변동에 집값이 영향을 미침

34 of 43

www.fastcampus.co.kr

Feature Select

📘 Select Feature

아파트 최근 거래가

계약년

(transaction year)

건축년도

clustered Group

아파트 최근 거래량

금리(1년 전 금리)

(interest rate)

35 of 43

www.fastcampus.co.kr

Model Select

Feature

X 좌표
전용면적
아파트 브랜드명

📘 Model Ensemble

Feature

아파트 최근 거래가격
아파트 최근 거래량
1년전 금리
cluster
건축년도

Baseline code

36 of 43

www.fastcampus.co.kr

Feature Importance

📘 Feature Importance Graph

37 of 43

05

결과

www.fastcampus.co.kr

38 of 43

www.fastcampus.co.kr

최종 순위 및 평가 지표 결과

39 of 43

06

FeedBack

www.fastcampus.co.kr

40 of 43

* 프로젝트 시작 단계에서 팀원들과의 협의를 통해 분류 선정(Model 선정, Feature 선정 등…) 등의 태스크 분배

www.fastcampus.co.kr

Task 분할

입력�데이터 타입

시계열성 검증

결측치 보간

FeedBack

* Task 위주가 아닌 각 Task의 분류에 따라 분담을 하고 토의를 통해 결과를 병합

* 결측치 존재 데이터와 결측치 제거 데이터로 모델을 통해 비교분석하면 결측치가 모델에 미치는 영향을 알 수 있음

* 결측치 보간 방법으로는 보간 모델 생성, imputation 방법(K-NN)등이 존재, 많은 결측치에 대해 제거 또한 고려

* 단, 시계열 학습을 위해 lag_feature를 생성하거나 rolling_window_feature를 생성하는 방향으로 학습 가능

* 시계열로 학습하기 위해서는 시간에 따라 변동하는 여러 시계열 데이터가 필요, 해당 데이터는 시계열 데이터가 부족함

* 대소관계가 명확할 때는 Numerical Type을 사용, 대소관계없이 라벨 자체에 의미가 존재 Categorical Type 사용

* 넣는 Feature의 데이터 타입은 크게 중요하지 않음

41 of 43

* 복잡한 형태의 데이터를 가공하여 각 데이터의 특성에 맞게 파생변수를 만들고 target 값을 예측하는 시간을 가졌다.

www.fastcampus.co.kr

의 의

차기 아이디어

아쉬운 점

배운점

Project 소감

* 데이터를 깊게 이해하고 도메인 지식을 결합하여 결과를 해석해볼 수 있는 시간을 가졌다.

* 시계열 모델링을 해보려했으나, 시계열적 변화를 표현할 수 있는 데이터가 명확하지 않았다. 시계열 모델의 특성을

확인해볼 수 있는 시간이었다.

* 복합적인 형태의 데이터를 활용한 Modeling 활용성을 확실하게 체감하며 배울 수 있는 시간이었다.

* 다양한 아이디어가 많았는데 생각만하고 실제로 구현해보지 못한 것이 아쉬웠다.

* 찾아놓은 여러 외부 데이터들을 시간 부족으로 전부 사용해보지 못한 것이 아쉬웠다.

* 기존 Feature에서 새로운 파생변수를 생성하면 높은 성능을 달성할 수 있을 것이다.(ex : 아파트별1평당Target평균)

* 시간 제한으로 적합하지 못한 추가 크롤링 데이터를 적합하면 더 좋은 정보를 가져올 것이다. (ex : 로얄층, 1평당Target)

* 결측값을 채울 수 있는 여러 가지 Imputator를 직접 적용시켜보고 특성을 알 수 있는 시간이었다.

* TREE모델 기준으로 CATEGORICAL과 INT, FLOAT을 바라보는 관점에 대해서 더 깊게 이해할 수 있는 시간이었다.

* 협업 과정에서 일어날 수 있는 문제를 마주할 수 있었고 이에 대응하는 방법에 대해 경험할 수 있었다.

* Feature의 개수를 줄이기 위해 PCA, 차원 축소 기법을 사용해 볼 수 있을 것이다.

* TEST data를 예측하기에 앞서, Valid data를 최근 3개월로 구성해서 RMSE를 추출해보자는 의견이 나왔는데 실행해보지 못해서 아쉬웠다.

42 of 43

Q&A

www.fastcampus.co.kr

43 of 43

감사합니다.