모각코 5차(2022-08-06)

👉 TODAY'S GOAL

→ [SW중심대학 공동 AI 경진대회 ❮예선❯] 심리 성향 예측 데이터 분석하기

→ [SW중심대학 공동 AI 경진대회 ❮예선❯] EDA 만들기

→ [SW중심대학 공동 AI 경진대회 ❮예선❯] 심리 성향 예측 데이터 분석을 바탕으로 방향성 생각하기

→ [SW중심대학 공동 AI 경진대회 ❮예선❯] 심리 성향 예측 데이터 분석하기

데이터는 아래와 같은 데이터 columns로 이뤄졌습니다.

모두 숫자형 데이터로 되어있는 것을 알 수 있습니다.

각각의 질문 요소에 대한 정보입니다.

Q1 ~ Q26의 경우 아래와 같은 질문에 답변한 데이터가 저장되어 있습니다.

아래와 같이 꽤 많은 결측치를 가지고 있는 것을 알 수 있습니다.

→ [SW중심대학 공동 AI 경진대회 ❮예선❯] EDA 만들기

seaborn 라이브러리를 통해 해당 데이터의 상관관계에 대한 시각화를 진행했습니다.

짙은 파란색 또는 흰색에 가까울 수록 상관관게가 높음을 의미합니다.

Q의 상관관계가 가장 높다고 생각되어 Q의 데이터를 시각화했습니다.

Q만의 상관관계를 분석했을 떄는 아래와 같습니다.

→ [SW중심대학 공동 AI 경진대회 ❮예선❯] 심리 성향 예측 데이터 분석을 바탕으로 방향성 생각하기

Nerdiness와 Questions 사이의 관계가 파란색으로 나타나는 것을 보아 Questions의 결측치를 처리하는 것이 관건입니다.

상관관계의 분석을 통해 각각의 Column에 큰 영향을 끼치는 요인을 분석하여 결측치를 처리하는 것이 관건이 될 것입니다.

특히 위에서 말했듯 Questions와 다른 Column들의 관계를 이용하여 모델을 만들어 결측치를 채우는 방식을 공부해보려고 합니다.

딥러닝을 공부하면 할수록 데이터 전처리의 중요성을 깨달을 수 있었습니다..

해당 데이터 셋의 경우 Q TIP VCL 각각의 상관관계를 분석했을 때 서로간의 높은 상관관계를 가지는 것을 알 수 있었습니다.

factor analyzing을 공부하여 높은 상관관계를 가지고 있는 컬럼들을 통해 결측치를 채우는 방법을 알아보고싶습니다.

아직 높은 점수를 가지고 있지 않기 때문에 더 높은 예측률을 만들려고 합니다.

→ [SW중심대학 공동 AI 경진대회 ❮예선❯] factor analyzing 적용하여 결측치 채우기

→ [SW중심대학 공동 AI 경진대회 ❮예선❯] model 개발하기