제로베이스_Machine Learning (2)

📄 목차

• 타이타닉 생존자 분석
  • EDA
  • 머신러닝 모델 구축

타이타닉 생존자 분석

• 타이타닉: 1910년대 최대 국제 여객선
  • 영국에서 미국으로 가다가 침몰
  • 데이터셋 출처: https://github.com/PinkWink/ML_tutorial/blob/master/dataset/

• 주요 데이터 컬럼
  • pclass: 객실 등급
  • survived: 생존 유무
  • sex: 성별
  • age: 나이
  • sibsp: 형제 혹은 부부의 수
  • parch: 부모 혹은 자녀의 수
  • fare: 지불한 요금
  • boat: 탈출한 경우 탑승 보트의 번호

EDA

1. 데이터 가져오기

2. 간략한 생존 상황 분석

3. 경제력 / 성별 대비 생존률

• 객실 등급 별 승객 수 확인 (승객수: 3등급 > 1등급 > 2등급)

  

• 객실 등급 별 여성/남성 탑승객 수 확인 (대체적으로 남성 탑승객이 많으며, 3등급에서 월등히 많음)

  

• 연령별 탑승객 확인 (20대~30대 탑승객이 많은 것을 볼 수 있음)

  

• 객실 등급 별 연령에 따른 생존자 수 확인 (다수의 3등급 객실 2~30대 승객이 사망한 것 확인)

  

• 종합적으로 들여다보기

  

  • 객실 등급과 생존률은 비례함
  • 나이가 어릴 수록 높은 생존률을 보여줌
  • 여성의 생존률이 높은 것을 확인할 수 있음

• 남녀 연령에 따른 생존자 수 확인

  

4. 계층에 따른 생존률 확인

• 탑승객의 이름을 통해 계층 확인 가능하므로, 추출하여 데이터 프레임에 삽입 / 집계

  

• 코딩의 용이성을 위해 타이틀 간략화 후 생존률 확인

  

  • 생존률: 귀족 여성 > 기혼 여성 > 미혼 여성 > 귀족 남성 > 평민 남성

5. 데이터의 이유

• 당시 2등 항해사 라이톨러가 선장에게 여자와 어린이를 먼저 태울 것을 건의, 선장이 승인하고 승객의 배려로 인해 많은 여자와 아이가 생존할 수 있었던 것.

머신러닝 모델 구축

• 머신러닝을 이용한 생존자 예측

1. 머신 러닝을 위한 데이터 가공

• 데이터 확인

  

• 성별이 문자열로 기록되어 있으므로, 머신러닝을 위해 숫자로 변경

  

• 결측치 포기 (결측치까지 포함하여 만들 수 없음)

  

• 데이터 상관계수 확인

  

2. 머신러닝 모델 구축

• 과정

  1. 데이터 열 이름 확인
  2. 과적합 회피를 위해 훈련-검증 데이터셋 구분
  3. 훈련 데이터셋 이용하여 Decision Tree 생성
  4. 검증 데이터셋 / 전체 데이터셋 이용하여 만들어진 모델 정확도 확인

     

     • 전체 데이터셋 이용시 정확도 78%로 검증 셋 정확도와 비슷함
     • 고로 과적합이 아니다라고 이야기 할 수 있음

• 새로운 인물을 넣어 생존률 예측