1.3 KiB
1.3 KiB
파이프라인 실행 가이드
모든 실행은 프로젝트 루트 디렉토리에서 수행합니다.
1. 전처리 (Feature Extraction)
TJA 파일들로부터 피처를 추출하여 features.json을 생성합니다.
bun run script/preprocess.ts --workingDir ./test --dataDir ./datas
- --workingDir: 결과물(
features.json)이 저장될 폴더. - --dataDir: 원본 데이터(
tja/폴더)가 위치한 폴더.
2. 모델 학습 (Training)
추출된 피처와 상수 데이터를 사용하여 XGBoost 모델을 학습시킵니다.
python3 train/train_xgboost.py \
--workingDir ./test \
--dataDir ./datas \
--trainSize 1000 \
--validSize 200
- --trainSize / --validSize: 학습 및 검증에 사용할 데이터 수.
3. 난이도 예측 (Inference)
특정 곡 번호(songno)에 대한 난이도 상수를 예측합니다.
python3 predict/predict_xgboost.py --workingDir ./test --songno 1000
- --songno: 예측할 곡의 번호 (파일명 기준).
주요 산출물 (in workingDir)
features.json: 추출된 피처 데이터셋.model.pkl: 학습된 XGBoost 모델 파일.scaler.pkl: 피처 정규화를 위한 Scaler 객체.features.txt: 학습에 사용된 피처 이름 목록.