암호화폐 가격 예측 AI 대회

💡Team

강현구	서동준	이도걸	이수미	최윤혜
Modeling, hyperparameter tunning	Modeling, model modularization, Train pipeline refactoring	Modeling, Modularization, hyperparameter tunning	EDA, Feature Engineering, Data Preprocessing, Modeling	EDA, Feature Engineering, Data Augmentation, Modeling

🪙Introduction

암호화폐는 전 세계적으로 온라인 상거래나 금융 거래 시 사용되며, 중간 거래자나 수수료 없이 안전하고 신속한 거래를 가능하게 합니다. 일반적으로 암호화폐의 가격 변동성은 주가보다 더 크기 때문에 예측이 더욱 어렵습니다. 하지만 인공지능과 머신러닝의 발전으로 다양한 예측 모델이 성공을 거두고 있습니다. 비트코인의 가격 등락 예측이 정확하게 이루어진다면, 투자자들의 투자 전략 수립에 큰 도움이 될 것입니다. 또한 이러한 모델 개발을 통해 얻어진 인사이트는 다른 금융 상품의 예측에도 기여할 수 있습니다. 따라서 이번 대회에서는 비트코인의 다음 시점(한 시간 뒤) 가격 등락 예측을 목표로 합니다.

본 대회는 주어진 시점에서 가격의 상승 또는 하락 정도를 예측하는 다중 범주 분류 문제입니다. 평가 지표로는 Accuracy를 사용하며, 리더보드와 최종 평가도 오직 Accuracy를 기준으로 이루어집니다.

class	description	count
0	-0.5% 미만	740
1	-0.5% 이상 0% 미만	3544
2	0% 이상 0.5% 미만	3671
3	0.5% 이상	805

💾Datasets

본 대회에서 제공된 데이터는 CryptoQuant에서 1차적으로 정제된 블록체인의 온체인 데이터입니다. 온체인 데이터는 블록체인 상에서 발생하는 활동을 보여주는 정보로, 두 가지로 나뉩니다:

• 네트워크 데이터(Network Data): 블록체인 내에서 파악할 수 있는 데이터 (예: 활성화된 지갑 수, 트랜잭션 수 등)
• 시장 데이터(Market Data): 가상화폐 거래소에서 생성되는 가격 등 시장 정보와 관련된 데이터 (예: 거래량, 청산량 등)

⭐Project Summary

• EDA: EDA를 통해 유의한 변수 파악 및 파생변수 생성
• Preprocessing : pca, 변수 로그변환, MICE 결측치 처리, 변수 선택 등을 통한 데이터 정리
• Modeling: RandomForest, XGBoost, CatBoost, LGBM, tabnet, autoML 등
• Ensemble : soft / hard voting을 통한 다양한 모델 앙상블 시도
• Hyper-parameter tuning : bayes optimization을 통한 파라미터 튜닝

📑Wrap-up Report

RecSys기초대회_RecSys_팀 리포트(02조).pdf

📂Architecture

📦level1-classificationinmachinelearning-recsys-02
 ┣ 📂dataloader
 ┃ ┣ 📜dataset_load.py
 ┃ ┣ 📜data_loader.py
 ┃ ┗ 📜README.md
 ┣ 📂dataset
 ┃ ┣ 📜apply_PCA.py
 ┃ ┣ 📜dataset_generator.py
 ┃ ┣ 📜data_generation.ipynb
 ┃ ┗ 📜MICE.py
 ┣ 📂eda
 ┃ ┣ 📜CCFplot.py
 ┃ ┣ 📜EDA.ipynb
 ┃ ┗ 📜README.md
 ┣ 📂model
 ┃ ┣ 📜binary_ensemble.py
 ┃ ┣ 📜focal_loss_LGBM.py
 ┃ ┣ 📜README.md
 ┃ ┣ 📜svm.py
 ┃ ┣ 📜tabnet.py
 ┃ ┣ 📜train.py
 ┃ ┗ 📜tree_model.py
 ┣ 📂utils
 ┃ ┣ 📜focal_loss.py
 ┃ ┣ 📜get_acc_auroc.py
 ┃ ┗ 📜README.md
 ┣ 📜.gitignore
 ┣ 📜data_generation_2.ipynb
 ┣ 📜ensemble.ipynb
 ┣ 📜hyperparameter_tuning.ipynb
 ┣ 📜README.md
 ┣ 📜train.py
 ┗ 📜trainer.ipynb
            

⚒️Development Environment

• 서버 스펙 : AI Stage GPU (Tesla V100)
• 협업 툴 : Github / Zoom / Slack / Notion / Google Drive
• 기술 스택 : Python / Scikit-Learn / Scikit-Optimize / Pandas / Numpy