[AI] Kaggle - Space Titanic (1) 정보 확인

🤔 대회 설명

Kaggle에서 개최한 대회중 하나인 SPACE TITANIC입니다.

유명한 데이터 분석, 머신러닝 입문의 예제 중 하나인 TITANIC예제와 매우 유사하지만 조금 더 높은 난이도를 가지고 있습니다.

공부를 진행하며 대회에 직접 참가하는 것이 도움이 될 것이라고 생각하여 참가하게 되었습니다.

 

 

 

해당 대회의 Overview는 아래와 같습니다.

 

Welcome to the year 2912, where your data science skills are needed to solve a cosmic mystery. We've received a transmission from four lightyears away and things aren't looking good.

The Spaceship Titanic was an interstellar passenger liner launched a month ago. With almost 13,000 passengers on board, the vessel set out on its maiden voyage transporting emigrants from our solar system to three newly habitable exoplanets orbiting nearby stars.

While rounding Alpha Centauri en route to its first destination—the torrid 55 Cancri E—the unwary Spaceship Titanic collided with a spacetime anomaly hidden within a dust cloud. Sadly, it met a similar fate as its namesake from 1000 years before. Though the ship stayed intact, almost half of the passengers were transported to an alternate dimension!

To help rescue crews and retrieve the lost passengers, you are challenged to predict which passengers were transported by the anomaly using records recovered from the spaceship’s damaged computer system.

Help save them and change history!

 

Acknowledgments

Photos by Joel Filipe, Richard Gatley and ActionVance on Unsplash.

 

 

일반적인 타이타닉의 경우 'Survived'한 사람들을 예측하는 것이 목표라면 SPACE TITANIC의 경우 'Transported'한 사람들을 예측하는 것이 목표입니다.

 

데이터 분석을 통해 어떠한 데이터를 가지고 있는지 알아보도록 하겠습니다.

 

아래의 링크를 통해 Spaceship Titanic 문제를 찾아보실 수 있습니다.

 

https://www.kaggle.com/competitions/spaceship-titanic/overview

Spaceship Titanic | Kaggle

 

 

 

 

✏️ 데이터 다운로드

데이터 분석을 진행해보겠습니다.

 

데이터를 다운로드 받기 위해 해당 링크에 접속합니다.

이후 Data 항목을 선택하여 이동합니다.

 

 

 

 

이후 하단에 데이터를 다운로드 받을 수 있는 버튼을 확인하실 수 있습니다.

Local상에서 JupyterNotebook을 이용하여 하실 분들은 코드를 직접 입력하셔도 됩니다.

저는 Colab을 이용하여 진행했습니다.

 

 

 

 

✏️ CSV파일 확인

Colab에서 데이터 분석을 진행하기에 앞서 CSV파일을 직접 확인했습니다

총 14개의 Column으로 이루어진 데이터라는 것을 알 수 있습니다.

숫자 데이터, 문자 데이터, Bool 데이터 모두 확인할 수 있으며 빈칸도 확인할 수 있습니다.

 

 

 

✏️ Colab을 이용한 데이터 분석

Colab을 통해 데이터 분석을 시작하겠습니다.

 

Google Drive에 해당 파일을 저장한 뒤 Colab 파일을 새로 작성합니다.

Google Drive를 Mount하여 해당 파일을 불러올 수 있도록 했습니다.

 

 

해당 파일을 Pandas를 이용하여 불러온 뒤 상위 5개 항목을 확인했습니다.

'HomePlanet' : 승객의 출발지를 의미합니다.

'CryoSleep' : 사고 시 동면 상태를 의미합니다.

'Cabin' : 'Cabin_deck', 'Cabin_number', 'Cabin_side'를 의미합니다.

'Destination' : 목적지를 의미합니다.

'Age' : 승객의 나이를 의미합니다.

'VIP' : 승객의 VIP 여부를 의미합니다.

'RoomService' : 승객의 RoomService 사용 금액을 의미합니다. 

'FoodCourt' : 승객의 FoodCourt에서의 사용 금액을 의미합니다.

'ShoppingMall' : 승객의 ShppingMall에서의 사용 금액을 의미합니다.

Spa' :승객의 Spa 사용 금액을 의미합니다.

'VRDeck' : 승객의 VRDeck 사용 금액을 의미합니다.

'Name' : 승객의 이름을 의미합니다.

 

'Transported' : 승객의 Transported여부 즉 생존 여부를 확인합니다.

 

 

 

이후 train_df와 test_df의 Non-Null개수와 데이터 타입을 확인했습니다.

또한 숫자 데이터 타입의 형태를 describe()를 통해서 확인했습니다.

 

 

 

Nan값이 존재한다는 것을 알 수 있으므로 train_df와 test_df의 Nan값 개수를 확인합니다.

해당 데이터 프레임에 isna().sum()을 이용하면 알 수 있습니다.

 

 

 

이제 각각의 Column 이 어떤 값들로 이뤄져있는지 value_counts()를 통해 알아보겠습니다.

value_counts()는 자주 사용하는 함수인 만큼 기억해두는 것을 권장합니다.

이를 확인하는 이유는 데이터 전처리 시에 어떠한 방법으로 데이터를 전처리할 것인가에 대한 판단을 하기 위해서입니다.

예를 들어 'VRDeck' column의 경우 0.0값이 5495로 압도적으로 많습니다.

이러한 경우 Nan값을 최빈값인 0.0으로 대체한다고 판단할 수 있습니다.

 

 

 

 

다음 글에서는 Space Titanic의 EDA를 진행해보도록 하겠습니다.