🎮 Student Gameplay Prediction by LSTM 📈

• Kaggle Predict Student Performance from Game Play 대회에 참여하였습니다.
• 유저의 게임 기록을 순서대로 추적하는 것이 학습 상태 파악에 적합하다고 판단, sequential model을 이용하는 방향으로 접근했습니다.
• LSTM을 이용하여 사용자의 게임 로그를 embedded sequence data로 변환, 정답여부를 예측하였습니다.
• mean score 기반 baseline 0.65 대비 LSTM으로 CV f1-score를 0.67로 향상시켰습니다.

Project Organization

Gameplay Prediction Project 
    ├── data
    │   ├── processed      <- processing 된 train, test 및 encoder, scaler 데이터
    │   └── raw            <- Kaggle 에서 제공하는 Raw 데이터셋
    │ 
    ├── models             <- 훈련시킨 DNN, LSTM 모델 .pt 파일
    ├── EDA_notebook       <- Exploratory Data Analysis (EDA) 진행한 Jupyter notebook 
    │
    ├── requirements.txt   <- 프로젝트 관련 가상환경 설정 (패키지)               
    │
    └── src                <- Source code for use in this project.
        │
        ├── data           
        │   └── dataloader.py  <- 모델에 넣기 위한 데이터 전처리 관련 코드
        │
        ├── models         
        │   │                      
        │   ├── criterion.py   <- loss 계산 
        │   ├── metric.py      <- 성능지표 계산 
        │   ├── model.py       <- import 할 모델의 모음
        │   ├── optimizer.py   <- Adam 등 optimizer 모음
        │   ├── scheduler.py   <- 학습 스케쥴러 모음
        │   └── trainer.py     <- 모델 훈련, 검증 스크립트
        │
        ├── args.py            <- parse 할 argument 모음                            
        │
        ├── train.py           <- 실행 코드 (main)
        │
        └── utils.py           <- 부가 기능

---

Model Schema

How to execute

python src/train.py [--args]