"실생활에 적용할 수 있는 데이터 전처리, 데이터 분석을 할 수 있다."

# 미니프로젝트 2차 미션

---

1. 토익 점수 데이터 분석

• 단변량 데이터 분석
• 이변량 데이터 분석
• 비즈니스 인사이트 도출

=> 토익 학습/평가 데이터를 분석하여 토익 점수를 향상시킬 수 있는 비즈니스 인사이트를 도출할 수 있다.

# 데이터 셋

• 미니프로젝트 1차를 통해 전처리를 완료한 csv 파일 활용 (toeic_preprocessed_data.csv)

• Score_diff_total(최종 차수(2~3회차) 점수 차이)를 Target으로 선정

---

# 데이터 분석 순서

1. [단변량 분석] 범주형 데이터 분석
2. [단변량 분석] 수치형 데이터 분석
3. [단변량 분석] 비즈니스 인사이트 도출
4. [이변량 분석] 수치형 vs Target (‘Score_diff_total’) 과의 관계 분석
5. [이변량 분석] 범주형형 vs Target (‘Score_diff_total’) 과의 관계 분석
6. [이변량 분석] 비즈니스 인사이트 도출
7. [도전미션] 새로운 변수 ‘age’, ‘age_group’ 추가 및 분석
8. [도전미션] 새로운 변수 'Score_diff_total_2_1’ 추가 및 분석

---

# 데이터 분석 - 단변량 분석

• 변수(feature)의 특징을 확인하고, 비즈니스적인 의미를 파악

• 범주형 데이터 - 빈도 확인, Bar plot(countplot)

• 수치형 데이터 - 기초통계량, histogram

• 수치형 데이터 - box plot, kde plot

---

# 데이터 분석 - 이변량 분석

• 가설을 통한 변수(feature)와 Target간의 관계를 확인하고, 비즈니스적인 의미를 파악

• 새로운 가설을 검증하고, 데이터를 통해 검증

• 수치형 vs 수치형 데이터 – 상관계수, 상관 분석(pearsonr)

• 수치형 vs 수치형 데이터 – scatter plot, regplot

• 범주형 vs 수치형 데이터 – t-test(평균 비교), ANOVA (분산 분석)

• 범주형 vs 수치형 데이터 – barplot, boxplot

---

# 도전 미션

• 3개 feature [age, age_group, Score_diff_total_2_1] 추가 및 데이터 분석

# 활용 라이브러리 및 함수

---

Mission 1 실습

• 토익 점수 예측 데이터 분석

---

배운 점

• 분석을 위한 가설 수립을 할 수 있다.
• 데이터 특성을 확인할 수 있다.
• 데이터 특성에 따라 단변량/이변량 분석을 할 수 있다.
• 데이터 분석을 통해 비즈니스 인사이트를 도출 할 수 있다.