명목형 처리(더미변수/카테고리화)

• 더미변수는 변수의 값이 최소 2개를 초과할 경우 수행. 아니면 단순 category 타입으로 변경.

범주형(명목형) 데이터(카테고리가 1~3등급)를 각 카테고리별로 나누어 표현 - 명목형은 계산할 수 있는 값이 아니기 때문

명목형 변수 : 변수의 값이 고유한 순위가 없는 범주를 나타내는 경우 해당 변수

ex) 태아의 성별, 위암 등급, 승무원의 등급

명목형 확인을 위해서는 데이터의 종류가 몇 가지인지 확인.
즉, 명목형으로 의심되면 일단 value_counts()로 확인.
type, shape, info 등을 사용해 객체 형태 및 정보를 확인 가능.

종속변수 카테고리의 기준

탐색적 데이터 분석에서 사용하기 위해 카테고리화를 진행 - (단, 통계에서는 카테고리 형식으로 데이터를 분석하지 않고 int 형식으로 사용)

정석대로라면 카테고리로 변경하지 않음.
단, 탐색적 데이터 분석을 한다면 명목형 변수를 제거해야 하는데 명목형을 카테고리로 변경하면 자동으로 제거해주기 때문에 카테고리 형식으로 변환 후 진행.

category 대신 더미변수로 변경하면 int로 돌아오므로 더미변수화를 추천.

표준화

표준화(정규화-scaling)을 진행한도고 해서 모델의 성능차이가 발생하지는 않음.
다만, 시각화를 진행할 때 단위의 차이는 발생.
만약, boxplot을 그렸을 때 데이터의 범주, 단위가 극단적으로 상이할 경우에는 표준화를 진행.

선형회귀분석 모델 개발

model.add(activation='relu')
model.add(activation='relu')
model.add(activation = 'linear')
model.compile(optimizer = 'adam', loss = 'mse', metrics = ['mae'])

분류의 모델 개발

model.add(activation = 'relu')
model.add(activation = 'sigmoid')
model.compile(optimizer='rmsprop', loss = 'binary_crossentropy', metrics = ['acc'])

로지스틱회귀분류를 사용한 타이타닉 생존율 예측

• 로지스틱회귀는 설명력을 사용하지 않음

• 범주형(명목형) 변수의 더미변수 이유
  범주형(명목형) 데이터(카테고리가 1~3등급)를 각 카테고리별로 나누어 표현 - 명목형은 계산할 수 있는 값이 아니기 때문