[캐글] Introduction to Machine Learning

How Models Work

Decision Tree

2개 이상의 침실이 있는가를 기준으로 2가지 카테고리로 나뉜다.
데이터를 통해서 패턴들을 얻어내는 과정을 fitting or training이라고 한다.

모델이 fit하게 된 후에는, 새로운 데이터를 적용해보았을 때 예측된 값을 얻을 수 있을 것이다.

Improving the Decision Tree
더 깊은 트리를 통해서 더 많은 요소들을 얻어낼 수 있다.

맨 밑의 예측을 결정하는 노드들을 leaf라고 한다.

Basic Data Exploration

Using pandas
pandas library의 가장 중요한 점은 데이터 프레임이다.
데이터프레임은 여러 타입의 데이터들을 테이블의 형태로 나타내준다.(ex- excel)

1. https://www.kaggle.com/dansbecker/melbourne-housing-snapshot
   호주 멜버른의 집 값 데이터를 먼저 다운로드 한다.

2. 코드 작성(colab을 사용함)
   먼저 드라이브 마운트를 한다.

from google.colab import drive
drive.mount('/gdrive',force_remount=True)

그 다음 pandas library를 추가해준다.

import pandas as pd

file_path에 csv파일위치를 저장하는데 zip파일로 저장을 해서 압축을 풀어주었다.

#zip파일 압축 풀어서 csv파일 저장하기 
!unzip -qq "/gdrive/MyDrive/ItM/archive.zip"

file_path에 저장을 해주고 pandas library를 이용해서 테이블 형식으로 출력해주었다

# 파일 경로를 저장한다.
melb_file_path ='/content/melb_data.csv'
# 테이블로 나타내기 
melb_data = pd.read_csv(melb_file_path)

melb_data.describe()

출력 결과

• colab과 kaggle을 연동하는 방법

!pip install kaggle

from google.colab import files
files.upload()

를 통해서 kaggle.json을 업로드 하면 된다.
참고 사이트 - https://kaggle-kr.tistory.com/21

• colab에서 learntools를 사용하고 싶다면?

!git clone https://github.com/Kaggle/learntools.git
!mv learntools learntools_dir
!mv learntools_dir/learntools learntools
from learntools.deep_learning import decode_predictions

참고 사이트 - https://www.kaggle.com/questions-and-answers/165757