nonameyet

저번 포스팅에 이어 데이터 전처리를 진행해보도록 하겠다.

본문에도 써놨지만 이렇게 전처리를 하는 가장 큰 이유들은

1. 머신러닝 알고리즘은 텍스트를 읽을수 없는 경우가 많음

2. Scale이 클경우 제대로 된 모델 학습이 힘듬

이 두 가지로 요약할 수 있다.

Name에 대한 전처리를 끝냈다. 이제 성별로 넘어가보자.

성별도 매핑작업을 해준다

Age는 Nan값을 해당 그룹이 속하는 Median값으로 대체해준다. 

중앙부분 코드 참고 

Age를 Binning하는 코드이다. 설명은 중앙에 있으며 그냥 C언어나 Java시간에 한 점수대별 학점 부여하는

Switch문이나 if else문 생각하면 편하다.

bar chart를 그리면 다음과 같으며, 마지막 그룹에 속하는 사람들은 거의 생존하지 못한 상황을 보여주고 있다.

다음 포스팅에 이어서 전처리를 마무리 하겠다

*코드 복붙이 필요하신분은 제 캐글 커널페이지에서 하실 수 있습니다.

머신러닝을 공부한다면 한번쯤은 들어봤을만한 케글. 

케글에서는 튜토리얼용 대회로 타이타닉 생존자 예측 모형 만드는 대회를 제공하고 있다.

데이터 셋만 보면 만만해 보이지만 의외로 까다로워 적당한 난이도지만, 

유명하기 때문에 이미 100퍼에 가까운 정확도를 가진 모형들의 커널이 공개되어 있기 떄문에,

그만큼 보면서 공부하기 좋다고 생각한다. 

이번 포스팅에서는 데이터 탐색 및 전처리에 대해 다루어보도록 하겠다.

판다스 라이브러리를 이용해 csv를 불러오고, 확인한다

참고로 Data Dictionary는 이렇다.

이제 데이터 시각화를 진행하여 데이터 셋에 대해 대략적인 이해를 해보겠다.

다음 포스팅에서 데이터 전처리를 이어서 해보도록 하겠다.

*코드 복붙이 필요하신분은 제 캐글 커널페이지에서 하실 수 있습니다.