[프로젝트]구독 예측 - EDA

데이터 정보

---

train.head()

	user_id	subscription_duration	recent_login_time	average_login_time	average_time_per_learning_session	monthly_active_learning_days	total_completed_courses	recent_learning_achievement	abandoned_learning_sessions	community_engagement_level	preferred_difficulty_level	subscription_type	customer_inquiry_history	payment_pattern	target
0	b919c29d	13	14	14.946163	8.427187	18	16	68.360455	3	4	Low	Basic	4	5	0
1	a0a60abb	16	18	18.453224	72.646087	16	13	97.567322	2	3	Medium	Basic	1	6	1
2	b9f171ae	22	1	16.195228	21.774492	13	14	94.358763	3	4	Medium	Premium	0	7	1
3	5dc0ba8b	1	19	17.628656	42.659066	19	18	70.153228	0	3	Low	Basic	1	0	1
4	65c83654	4	5	21.390656	30.744287	19	10	81.917908	2	4	Medium	Basic	3	0	1

---

train.info()

1만개 데이터, null값 없음, object 유형 2개, 나머지는 수치형 변수

---

train.target.value_counts()

계속 구독하는 경우 6199건, 구독 해지하는 경우 3801건

---

수치형 데이터의 통계값 확인

columns = [
    'subscription_duration', 'recent_login_time', 'average_login_time',
    'average_time_per_learning_session', 'monthly_active_learning_days',
    'total_completed_courses', 'recent_learning_achievement', 'abandoned_learning_sessions',
    'community_engagement_level', 'customer_inquiry_history'
]

train[columns].describe() 

	subscription_duration	recent_login_time	average_login_time	average_time_per_learning_session	monthly_active_learning_days	total_completed_courses	recent_learning_achievement	abandoned_learning_sessions	community_engagement_level
count	10000.000000	10000.000000	10000.000000	10000.000000	10000.000000	10000.000000	10000.000000	10000.000000	10000.000000
mean	11.897400	15.013200	14.994076	54.917720	12.545400	12.227500	75.029513	3.043600	3.886100
std	6.600896	8.362573	3.001869	56.024310	6.932239	3.634125	9.968529	1.755052	1.262175
min	1.000000	1.000000	2.366189	0.011515	1.000000	1.000000	35.941755	0.000000	1.000000
25%	6.000000	8.000000	13.025597	15.276611	7.000000	10.000000	68.278054	2.000000	3.000000
50%	12.000000	15.000000	14.979228	37.578818	13.000000	12.000000	75.126061	3.000000	4.000000
75%	18.000000	22.000000	16.995340	75.584200	19.000000	15.000000	81.718976	4.000000	5.000000
max	23.000000	29.000000	26.998490	503.372616	24.000000	27.000000	112.643828	12.000000	5.000000

average_time_per_learning_session에 대한 예시
평균값 : 54.92, 중앙값 : 27.58 로 오른쪽으로 긴 꼬리를 가진 분포 예상됨

해결방안)

1. 로그변환 : 왼쪽으로 치우친 데이터는 로그 변환을 통해 정규 분포에 가깝게 변환 가능
2. 제곱근 변환 : 로그 변환과 유사하게 제곱근 변환도 왼쪽으로 치우친 분포를 더 정규분포에 가깝게 만들기 가능
3. 박스-콕스 변환 또는 예오-존슨 변환 : 데이터를 정규 분포에 가깝게 변환
4. 이상치 제거 또는 대체
5. 데이터 구간환(Bining) : 연속형 데이터를 여러 범주로 구간화하여 범주형 변수로 변환
6. 비대칭 데이터에 강인한 모델 사용 : 트리 기반 모델은 데이터의 비대칭 분포에 상대적으로 덜 민감