⠀

Titanic - Dietanic

참고 커널: https://www.kaggle.com/code/ash316/eda-to-prediction-dietanic/notebook EDA To Prediction(DieTanic) Explore and run machine learning code with Kaggle Notebooks | Using data from Titanic - Machine Learning from Disaster www.kaggle.com

Titanic - Leeyouhan

참고 커널: https://kaggle-kr.tistory.com/17?category=868316 타이타닉 튜토리얼 1 - Exploratory data analysis, visualization, machine learning My_kernel_chapter_data_check_EDA /*!** Twitter Bootstrap**//*! * Bootstrap v3.3.7 (http://getbootstrap.com) * Copyright 2011-2016 Twitter, Inc. * Licensed under MIT (https://github.com/twbs/bootstrap/blob/master/LICENSE) *//*! normalize.css v3.0.3 | MIT Li kaggle-kr.ti..

Titanic - Subinium

참고 커널: https://www.kaggle.com/code/subinium/subinium-tutorial-titanic-beginner/notebook [Subinium Tutorial] Titanic (Beginner) Explore and run machine learning code with Kaggle Notebooks | Using data from Titanic - Machine Learning from Disaster www.kaggle.com

15 머신러닝을 이용한 예측 분석

15-1 머신러닝 모델 알아보기 머신러닝 모델이란? 머신러닝 모델 만들기 = 함수 만들기 머신러닝 모델은 함수와 비슷함 함수에 값을 입력하면 규칙에 따라 계산한 값을 출력하듯이 머신러닝 모델도 값을 입력하면 정해진 규칙에 따라 계산한 예측값을 출력 머신러닝 모델이 함수와 다른 점은 만드는 방법 함수를 만들 때는 사람이 계산 규칙을 정해 입력해야 하지만 머신러닝 모델을 만들 때는 사람이 계산 규칙을 정하지 않고 컴퓨터가 데이터에서 패턴을 찾아 스스로 규칙을 정하게 함 예를 들어 환자의 정보를 입력하면 당뇨병 발병 여부를 예측하는 모델을 만든다고 하자 사람이 해야 할 일은 여러 환자의 정보와 당뇨병 발병 여부 데이터를 수집해 머신러닝 알고리즘에 입력하는 것 뿐 그러면 컴퓨터는 환자의 정보와 당뇨병 발병 간의..

16 데이터 분석 기술을 효율적으로 익히는 방법

16-1 집중할 방향 정하기 데이터 분석 관련 분야 살펴보기 데이터 분석(Data Analyrics) 데이터를 이용해 현상을 해석하거나, 변수 간의 관계를 검증하거나, 미래를 예측하는 예측 모형을 만드는 등 데이터 분석에 초점을 둔 분야 -> 데이터 분석가 R과 같은 데이터 분석 도구를 다룰 수 있어야 하고 통계 분석, 머신러닝 등 데이터 분석 관련 지식을 갖춰야 함 데이터 엔지니어링(Data Engineering) 운영 중인 서비스나 장비에서 다량의 데이터가 지속적으로 발생한다면 데이터를 효율적으로 저장하고 추출할 수 있도록 데이터 베이스를 구축해야 함 데이터베이스를 구축하고 관리하는 일을 하는 사람들을 데이터 분석가와 구분해 데이터 엔지니어라고 함 이 분야에서 일하려면 하둡, 스팍과 같은 분산 처리 ..

18 데이터 분석 기술 효율적으로 익히

18-1 집중할 방향 정하기 16-1 집중할 방향 정하기 데이터 분석 관련 분야 살펴보기 데이터 분석(Data Analyrics) 데이터를 이용해 현상을 해석하거나, 변수 간의 관계를 검증하거나, 미래를 예측하는 예측 모형을 만드는 등 데이터 분석에 초점을 둔 분야 -> 데이터 분석가 파이썬과 같은 데이터 분석 도구를 다룰 수 있어야 하고 통계 분석, 머신러닝 등 데이터 분석 관련 지식을 갖춰야 함 데이터 엔지니어링(Data Engineering) 운영 중인 서비스나 장비에서 다량의 데이터가 지속적으로 발생한다면 데이터를 효율적으로 저장하고 추출할 수 있도록 데이터 베이스를 구축해야 함 데이터베이스를 구축하고 관리하는 일을 하는 사람들을 데이터 분석가와 구분해 데이터 엔지니어라고 함 이 분야에서 일하려면..

17 자료 구조 다루기

17-1 자료 구조란? * 자료 구조: 데이터를 담고 있는 변수의 모양을 의미 자료 구조 = 그릇 자료 구조를 알아야 함수를 고를 수 있다 데이터 분석할 때는 자료 구조에 맞는 함수를 선택하는 게 중요(자료 구조에 따라 사용하기에 적당한 함수가 다름) 어떤 자료 구조에 어떤 함수를 사용하는 게 적당한지 잘 알아야 데이터를 효율적으로 다룰 수 있음 > 평균을 구할 때 - 데이터 프레임: mean() 메서드를 이용해 평균값을 구함 - 리스트: mean() 메서드를 사용할 수 없어 sum()을 이용해 합계를 구한 다음 값의 개수로 구해 나누는 방법을 택함 17-2 스칼라 * 스칼라 - 하나의 값으로 구성된 자료 구조 - 자료 구조를 만드는 가장 작은 기본 단위(다른 자료 구조도 스칼라가 여러 개 모여서 만들어..

16 데이터를 추출하는 다양한 방법

16-1 [ ] 이용하기 코드를 유연하게 작성하고 다른 사람들이 만든 코드를 이해하고 활용하기 위해 데이터 프레임의 행과 열을 추출하는 다양한 방법을 알아볼 것 > 조건을 충족하는 행 추출하기 먼저 exam.csv의 일부를 추출해 예제 데이터 만들기 import pandas as pd df_raw = pd.read_csv('exam.csv') df = df_raw.head(10) df [ ]를 이용해 행을 추출하는 방법을 알아볼 것 데이터 프레임명 뒤에 [ ]를 붙이고 변수명을 입력하면 변수의 모든 행을 추출 # nclass 추출 df['nclass'] [ ]와 논리 연산자를 이용하면 각 행이 조건에 맞는지 여부를 True, False로 확인 가능 # nclass가 1인지 확인 df['nclass'] =..