qcoding

## Kaggle data 분석 https://www.kaggle.com/datasets/andrewmvd/heart-failure-clinical-data Heart Failure Prediction 12 clinical features por predicting death events. www.kaggle.com # 데이터셋 columns age: 환자의 나이 anaemia: 환자의 빈혈증 여부 (0: 정상, 1: 빈혈) creatinine_phosphokinase: 크레아틴키나제 검사 결과 diabetes: 당뇨병 여부 (0: 정상, 1: 당뇨) ejection_fraction: 박출계수 (%) high_blood_pressure: 고혈압 여부 (0: 정상, 1: 고혈압) platelets: 혈소판..

https://www.kaggle.com/code/ishadss/coffee-starbucks-customer-clusters-and-eda/data Coffee Starbucks-Customer Clusters and EDA Explore and run machine learning code with Kaggle Notebooks | Using data from Starbucks Customer Data www.kaggle.com Data Description Profile table profile 데이터는 설문에 참여한 스타벅스 회원에 관련된 정보가 담겨 있습니다. transcript 이벤트에 참여한 실제 유저들의 응답이 기록되어 있습니다. portfoilo 이벤트를 운영했던 내역에 관한 정보가 담겨..

## https://www.kaggle.com/datasets/lava18/google-play-store-apps Google Play Store Apps Web scraped data of 10k Play Store apps for analysing the Android market. www.kaggle.com 데이터를 활용하여 데이터 탐색하기 data = pd.read_csv('./googleplaystore.csv') ## 필드명 filed_name = data.columns print(f"필드명 : {filed_name}") ## 필드갯수 filed_number = len(data.columns) print(f"필드명 : {filed_number} 개") ## 데이터의 수 data_number ..

### 타이타닉 데이터를 통해서 여러 데이터 전처리 과정을 익힌다. 1) 데이터 불러오기 import pandas as pd import numpy as np import seaborn as sns import matplotlib as mpl import matplotlib.pyplot as plt owner = 'datasciencedojo' repo='datasets' branch='master' file_path='titanic.csv' df=pd.read_csv(f'https://raw.githubusercontent.com/{owner}/{repo}/{branch}/{file_path}') df 2) 데이터 전처리 1) 데이터 타입변경 ## Survived , Pclass는 범주형 변수이므로 s..

http://www.kyobobook.co.kr/product/detailViewKor.laf?ejkGb=KOR&mallGb=KOR&barcode=9791191905076&orderClick=LAV&Kc= 머신러닝·딥러닝 문제해결 전략 - 교보문고 캐글 수상작 리팩터링으로 배우는 문제해결 프로세스와 전략 | 이 책은 수많은 캐글 수상자의 노트북을 수집/분석하여 여러분께 공통된 문제해결 패턴을 안내해줍니다. 총 7개의 경진대회를 이 www.kyobobook.co.kr ## 해당 교재로 학습 후 실습을 진행하였습니다. https://www.kaggle.com/competitions/competitive-data-science-predict-future-sales Predict Future Sales | Ka..

https://www.kaggle.com/competitions/cat-in-the-dat Categorical Feature Encoding Challenge | Kaggle www.kaggle.com http://www.kyobobook.co.kr/product/detailViewKor.laf?ejkGb=KOR&mallGb=KOR&barcode=9791191905076&orderClick=LAV&Kc= 머신러닝·딥러닝 문제해결 전략 - 교보문고 캐글 수상작 리팩터링으로 배우는 문제해결 프로세스와 전략 | 이 책은 수많은 캐글 수상자의 노트북을 수집/분석하여 여러분께 공통된 문제해결 패턴을 안내해줍니다. 총 7개의 경진대회를 이 www.kyobobook.co.kr 해당 책을 공부하면서 필요한 부분을 정..

## kaggle 대회 자료를 통해 실습진행 https://www.kaggle.com/competitions/bike-sharing-demand/data Bike Sharing Demand | Kaggle www.kaggle.com 1) 데이터 불러오기 import pandas as pd import numpy as np import seaborn as sns # 데이터 불러오기 train=pd.read_csv('./train.csv') test=pd.read_csv('./test.csv') submission=pd.read_csv('./sampleSubmission.csv') # 데이터확인 train.head() # 데이터 파악하기 train.info() 2) 시각화를 위함 피처 엔지니어링 2-1) d..

## label encoding ## label encoding from sklearn.preprocessing import LabelEncoder fruits= ['사과','블루베리','바나나','귤','블루베리','바나나','바나나','사과'] # 레이블 인코더 생성 label_encoder=LabelEncoder() # 레이블 인코딩 적용 fruits_label_encoded=label_encoder.fit_transform(fruits) print(fruits_label_encoded) fruits_label_encoded.reshape(-1,1) -> 단점으로는 머신러닝에서는 숫자로 값을 판단하기 때문에 1와 2 의 관계가 1과 3의 관계보다 상관성이 높다고 판단할 수 있음. 실제로는 범주형 데..