"Growth" Data를 쌓아가는 사람

🏡DATA: House Price https://www.kaggle.com/c/house-prices-advanced-regression-techniques 🟡 Description 주택 구매자에게 자신이 꿈꾸는 주택에 대해 설명하도록 요청하면 지하실 천장의 높이나 동서 철도와의 근접성으로 시작하지 않을 것입니다. 그러나 이 데이터 세트는 (그러한 특성이) 침실의 수나 흰색 울타리보다 가격 협상에 훨씬 더 많은 영향을 미친다는 것을 증명합니다. 아이오와주 에임스에 있는 주거용 주택의 (거의) 모든 측면을 설명하는 79개의 설명 변수가 있는 이 경쟁은 각 주택의 최종 가격을 예측하는 데 도전합니다. 평가는 RMSE로 평가하며, 비싼 집값과 싼 집값에 공평하게 영향을 미치고자 한다. 예를 들어 2억짜리 집을..

멋사 AISCOOL 7기 Python 2022. 11. 17. 18:55

🏡DATA: House Price https://www.kaggle.com/c/house-prices-advanced-regression-techniques 🟡 Description 주택 구매자에게 자신이 꿈꾸는 주택에 대해 설명하도록 요청하면 지하실 천장의 높이나 동서 철도와의 근접성으로 시작하지 않을 것입니다. 그러나 이 데이터 세트는 (그러한 특성이) 침실의 수나 흰색 울타리보다 가격 협상에 훨씬 더 많은 영향을 미친다는 것을 증명합니다. 아이오와주 에임스에 있는 주거용 주택의 (거의) 모든 측면을 설명하는 79개의 설명 변수가 있는 이 경쟁은 각 주택의 최종 가격을 예측하는 데 도전합니다. 평가는 RMSE로 평가하며, 비싼 집값과 싼 집값에 공평하게 영향을 미치고자 한다. 예를 들어 2억짜리 집을..

멋사 AISCOOL 7기 Python 2022. 11. 17. 18:49

🚲DATA: Bike Sharing Demand https://www.kaggle.com/competitions/bike-sharing-demand Bike Sharing Demand | Kaggle www.kaggle.com datetime: hourly date + timestamp season: 1 = spring, 2 = summer, 3 = fall, 4 = winter 즉 순서가 있는 값으로 ordinary encoding이 되어 있다. holiday: whether the day is considered a holiday workingday: whether the day is neither a weekend nor holiday weather: 1: Clear, Few clouds, Part..

멋사 AISCOOL 7기 Python 2022. 11. 17. 18:38

✅ Feature Engineering(결측치 보간법) + Random Forest + 하이퍼파리미터튜닝(RandomizedSearchCV) 1️⃣ 결측치 보간법 이전 값이나 다른 값으로 채울 수 있음 이런 방법은 대부분 시계열 데이터에서 데이터가 순서대로 있을 떄 사용함 예를 들어 일자별 주가 데이터가 있다고 가정할 때 중간에 빠진 날짜에 대한 데이터를 채울때 사용하거나, 순서가 있는 센서 데이터에서 수집이 누락되어 앞 뒤값에 영향을 받는 데이터를 채울 때 사용한다. train["Age_fill"] = train["Age"] train["Age_fill"] = train["Age"].fillna(method="ffill") train["Age_fill"] = train["Age"].fillna(meth..

멋사 AISCOOL 7기 Python/INPUT 2022. 11. 17. 18:23

✅ Feature engineering(파생변수 + 원핫인코딩 + 결측치대체) + Cross validation 1️⃣파생변수 만들기 1. 가족의 수 == Parch + SibSp + 1(나) train["FamilySize"] = train["Parch"] + train["SibSp"] + 1 test["FamilySize"] = test["Parch"] + test["SibSp"] + 1 display(train[["Parch", "SibSp", "FamilySize"]].sample(3)) display(test[["Parch", "SibSp", "FamilySize"]].sample(3)) 2. 성별 train["Gender"] = train["Sex"] == "female" test["Gende..

멋사 AISCOOL 7기 Python/INPUT 2022. 11. 17. 17:43

⛴️ DATA: Titanic • https://www.kaggle.com/competitions/titanic 경진대회 파일이며 train, test 데이터가 나눠서 주어진다. test 파일에는 survived 컬럼이 존재하지 않는다. train = pd.read_csv("data/Titanic/train.csv", index_col="PassengerId") print(train.shape) #(891, 11) test = pd.read_csv("data/Titanic/test.csv", index_col="PassengerId") print(test.shape) #(418, 10) Int64Index: 891 entries, 1 to 891 Data columns (total 11 columns):..

멋사 AISCOOL 7기 Python/INPUT 2022. 11. 17. 17:30

3️⃣Random Forest ✏️ 다수의 결정크리들을 학습하는 앙상블 방법이다. ✏️ 머신러닝에서 랜덤 포레스트는 분류, 회귀 분석 등에 사용되는 앙상블 학습 방법의 일종으로, 훈련 과정에서 구성한 다수의 결정트리로 부터 분류 또는 평균 예측치를 출력함으로써 동작한다. sklearn.ensemble 모듈에 무작위 결정트리를 기반으로 하는 두가지 평균 알고리즘 중 하나로 분류기 구성에 임의성을 도입하여 다양한 분류기 집합이 생성된다. 랜덤 포레스트는 다양한 트리를 결합하며 분산을 줄이며, 전반적으로 더 나은 모델을 생성할 수 있다. 실제로 개별 의사결정트리는 일반적으로 높은 분산을 나타내며 과적합되는 경향이 있다. 따라서 랜덤 포레스트의 무작위성은 예측 오류가 다소 분리된 의사결정트리를 생성하며, 이러한..

멋사 AISCOOL 7기 Python/INPUT 2022. 11. 17. 17:16

🚫Data: pima • Pima Indians Diabetes Database | Kaggle Pima Indians Diabetes Database Predict the onset of diabetes based on diagnostic measures www.kaggle.com ✅ 데이터 구성 Pregnancies : 임신 횟수 Glucose : 2시간 동안의 경구 포도당 내성 검사에서 혈장 포도당 농도 BloodPressure : 이완기 혈압 (mm Hg) SkinThickness : 삼두근 피부 주름 두께 (mm), 체지방을 추정하는데 사용되는 값 Insulin : 2시간 혈청 인슐린 (mu U / ml) BMI : 체질량 지수 (체중kg / 키(m)^2) DiabetesPedigreeFunct..

멋사 AISCOOL 7기 Python/INPUT 2022. 11. 17. 17:12