# kaggle
1.2 Before deep learning: a brief history of machine learning
Probabilistic modeling Early neural networks Kernel methods Decision trees, random forests, and gradient boosting machines Back to neural networks
1.2 의사결정나무로 간단한 분류 예측 모델 만들기
링크: https://www.kaggle.com/uciml/pima-indians-diabetes-databasePregnancies : 임신 횟수Glucose : 2시간 동안의 경구 포도당 내성 검사에서 혈장 포도당 농도BloodPressure : 이완기 혈
신용 카드 고객 데이터 분석 3부
이번 시간에는 범주형 변수인 Attrition_Flag를 종속변수로 설정한 Classification model 중 XGboost model을 모델링하고 성능까지 측정해보는 시간을 가지려고 합니다.먼저 전처리가 완료된 데이터를 7:3 비율로 훈련용 데이터(train)와
신용 카드 고객 데이터 분석 2부
1. 고객의 활동 여부와 고객의 나이 > 이탈 고객의 나이 분포와 잔존 고객의 나이 분포가 거의 비슷합니다. $Attrited Customer Anderson-Darling normality test data: X[[i]] A = 1.7156, p-value
신용 카드 고객 데이터 분석 1부
Kaggle 데이터셋 : https://www.kaggle.com/sakshigoyal7/credit-card-customers이번 시간에는 Kaggle의 Credit Card customers dataset을 가지고 EDA를 진행하겠습니다. (신용 카드를 이
개인 의료 비용 데이터 분석 3부
혹시 3부에서 다루는 데이터에 대해 자세히 알고 싶으신 분들은 개인 의료 비용 데이터 분석 1부와 2부를 봐주시면 감사하겠습니다 ^^1부와 2부에서는 charges 변수(개인 의료 비용)를 중심으로 다른 변수들 간의 관계에 대해서 EDA를 진행했었습니다.이번 시간에는
개인 의료 비용 데이터 분석 2부
8\. 나이 그룹에 따라 개인 의료 비용은 유의미한 차이를 보일까?age 변수는 총 5개의 level(그룹)을 가진 범주형 변수이기 때문에 3개 이상의 그룹 간 평균 차이를 검정하는 일원분산분석이 적합할 것 같습니다.일원분산분석을 통해 나이 그룹에 따라 개인 의료 비용
개인 의료 비용 데이터 분석 1부
Kaggle 데이터셋 : https://www.kaggle.com/mirichoi0218/insurance이번 시간에는 Kaggle의 Medical Cost Personal Datasets를 가지고 전반적인 EDA를 진행해보려고 합니다.먼저 데이터를 불러온 다
미국 고등학생 시험 점수 데이터 분석 2부
3-3. 부모의 학력 수준에 따라 학생들의 수학, 읽기, 쓰기 성적에 차이가 있을까?parental.level.of.education 변수는 6개의 level(그룹)을 가지고 있기 때문에 일원분산분석을 시행하되, 마찬가지로 종속변수가 정규성 가정을 위배하였기 때문에
미국 고등학생 시험 점수 데이터 분석 1부
Kaggle 데이터셋 : https://www.kaggle.com/spscientist/students-performance-in-exams이번에는 학생 점수 데이터셋을 가지고 EDA(탐색적 데이터 분석)를 진행해보려고 합니다.먼저 데이터를 불러온 다음, 중
프로젝트 4 (bike sharing)
아무리 예측모델이라고 해도 꽤나 중요한 점은 모델도 맞지만 데이터 전처리다.기존 데이터에서의 특성을 새롭게 조합하여 새로운 특성을 만들거나, 차원축소 등의 데이터 전처리, 또는 필요없는 데이터를 지울 수 있다.corr을 통해 상관계수를 파악하여 0에 가까운 상관성이 없
Instacart 데이터 EDA
데이터는 총 5개의 csv 파일로 나누어져 있다.우선 각 파일을 아래의 SQL조건으로 합쳤다.데이터에서 재품 이름을 가뎌오지 않았다.총 13개의 variable이 만들어졌다.inner join 을 했을시 데이터 길이가 1,048,576에서 422,287이 되었다.데이터
Kaggle Challenge 14 - XGBoost
For much of this course, you have made predictions with the random forest method, which achieves better performance than a single decision tree simply
Kaggle Challenge 12 - Missing Values
Kaggle Challenge 12 - Missing Values 1. Housing Prices Competition 1) Setup 2) Pandas Step 1: Preliminary investigation 4) Solution
Mini EDA Review_part 2
썸네일 이미지 출처: https://www.dataapplab.com/how-to-be-top-10-at-kaggle-competition/kaggle-logo-gray-300/ EDA Review 04. 3차 컬럼(column) 선별 이전 포스트에서 마지막 부
Kaggle Challenge 11 - Machine Learning Competitions
Housing Prices Competition for Kaggle Learn Users
Mini EDA Review_part 1
썸네일 이미지 출처: https://www.kaggle.com/brand-guidelines 미니EDA 프로젝트 리뷰 지난 번 웹크롤링 Toy 프로젝트에 이어서 두 번째 프로젝트이다. EDA로서는 첫 프로젝티이기도 하다. 머신러닝을 이용하여 분석 및 예측까지 가지
Kaggle Challenge 10 - Underfitting and Overfitting
There are a few alternatives for controlling the tree depth, and many allow for some routes through the tree to have greater depth than other routes.