Python

Feature Engineering

  1. 데이터 수집
  2. 시각화
    -> 변수 간의 조합
  3. 기초통계 : Feature Engineering

Feature Engineering

  • 이상치 처리, 중복값 제거, 문자 데이터 –> 수치 (인코딩)

  • 정규화, 표준화, 도출 변수 및 불필요한 삭제

  • PCA(차원 축소),EFA

  • 결측치 확인
    : 1) 결측치 제거
    : 2) 결측치 채우기

      - 중간값, 빈도수 값 많은 것 넣기
  - Imputation

    : 3) 결측치 도메인 활용

  • 왜도처리(Skewnewss)

  • 도출 변수

  • Label Encoding –> 종속변수에만 사용

  • Ordinal Encoding –> 독립변수에만 사용

  • -> 문자를 숫자로 바꿈

  • -> Default, 가~하, A-Z 순으로 숫자 바뀜

  • -> 순서형

  • One - Hot Encoding –> 독립변수에만 사용

  • -> 명목형

  1. 훈련 데이터 / 테스트 데이터
  2. 모형 학습 (다양한 모형 공부 필요)
  3. 예측 결과
  4. 예측 결과 평가
  5. 최종 모델 선정 및 최종 예측 결과
  6. 캐글 대회 제출

–> 주 목적, 예측 정확성 향상상) 최종 모델 선정 및 최종 예측 결과
9) 캐글 대회 제출
–> 주 목적, 예측 정확성 향상

Share