알림 0

    MY XP

    XP 안내

    LEVEL 1

    다음 레벨까지 150 XP

    0/150 XP

    오늘의 XP

    0 / 800

    전체 XP

    0

    적립 XP

    0

    사용 XP

    0

    소셜 계정으로 로그인

    google
    구글 로그인
    아직 데이콘 계정이 없나요? 회원가입
    메일 인증 필요

    로그인 하시려면 아래 이메일로 인증이 필요합니다. 이메일을 다시 보내시겠습니까?
    [데이콘] 회원가입 인증메일

    데이콘 회원가입을 환영합니다. 메일 인증은 데이콘 회원가입을 위한 필수 절차입니다. 아래 이메일을 인증하여 회원가입 절차를 완료하여 주시기 바랍니다.

    이용약관

    개인정보 처리방침

    마케팅 정보 수신 동의

    Track1 알고리즘 부문 : K리그-서울시립대 공개 AI 경진대회

    알고리즘 | 서울시립대 | 스포츠 | 시계열 | 유클리드 거리

    • moneyIcon 상금 300만 원
    • 1,768명 마감
    연습
    대회안내 데이터 코드 공유 토크 리더보드

     

    [Top 4%] TabPFN 기반 2단계 잔차 학습(Residual Learning) 및 타겟 인코딩 활용

    비비고곰탕
    2026.01.12 12:05 671 조회 language
    comments 3

    TabPFNRegressor(v2.0)를 활용하여 패스 도착 좌표(end_x, end_y)를 예측하는 솔루션입니다.

    단일 모델의 한계를 극복하기 위해 2-Stage Residual Learning(잔차 학습) 기법을 적용하여 예측 정교함을 높였습니다.

    참여하신 모든 분들 기간동안 고생 많으셨습니다.

    감사합니다.

    코드
    댓글 3개
    로그인이 필요합니다
    0 / 1000
    태히히
    2026.01.12 13:28

    코드 공유 감사합니다!

    복자
    2026.01.13 15:42

    코드 잘 봤습니다!
    TabPFNRegressor이라는 모델을 처음 들어봤네요
    이런 모델은 어디서 알게되신걸까요?? 저도 많이 배우고 싶어서 여쭙습니다!

    비비고곰탕
    2026.01.13 21:33

    안녕하세요! 코드 좋게 봐주셔서 감사합니다. 😊
    저도 여러 대회를 준비하면서 정형 데이터(Tabular Data) 관련 최신 벤치마크 논문들을 찾아보던 중에 알게 되었습니다. 기존 트리 기반 모델(XGBoost, LightGBM 등) 외에 딥러닝 기반의 모델들이 정형 데이터셋에서 어떤 성능을 내는지 궁금해서 찾아보다가 발견해서 적용해 보게 되었네요. 도움이 되셨으면 좋겠습니다!

    📣 댓글 작성 창의 위치가 댓글 리스트 상단으로 이동했습니다!
    to_list 목록으로
    이전 글
    Top 3% 코드공유합니다.
    대회 - Track1 알고리즘 부문 : K리그-서울시립대 공개 AI 경진대회
    좋아요 2
    조회 318
    댓글 0
    한 달 전
    현재 글
    [Top 4%] TabPFN 기반 2단계 잔차 학습(Residual Learning) 및 타겟 인코딩 활용
    대회 - Track1 알고리즘 부문 : K리그-서울시립대 공개 AI 경진대회
    좋아요 5
    조회 671
    댓글 3
    2달 전
    다음 글
    Deep Gaussian Process 코드 공유
    대회 - Track1 알고리즘 부문 : K리그-서울시립대 공개 AI 경진대회
    좋아요 24
    조회 1,873
    댓글 2
    3달 전