Must-have 캐글: 1부-3, 4장 캐글 프로세스, 시각화

#0 개요

3장은 문제 해결 프로세스를

4장은 EDA 단계에서 기본적인 시각화를 다룬다.

 

#3장 문제 해결 프로세스 및 체크리스트

p66: 일반적으로 정형 데이터에는 머신러닝이,  비정형 데이터에는 딥러닝이 활용된다.

p68 머신러닝 문제해결 프로세스 표

p69 머신러닝 문제해결 체크리스트

 

p72 딥러닝 문제해결 프로세스 표

 

p74 딥러닝 문제해결 체크리스트

 

#4장 주요 시각화 그래프

p78 수치형 데이터 = 사칙연산이 가능한 데이터. 숫자 데이터라고 다 수치형 데이터 아님.

우편번호 같은 건 사칙연산이 불가능하고, 범주형 데이터에 속한다.

 

p81~ 수치형 데이터 시각화:

histplot() : 히스토그램

kdeplot() : 커널밀도추정 함수 그래프

displot() : 분포도

rugplot() : 러그플롯

 

 p88~ 범주형 데이터 시각화:

barplot()

pointplot()

boxpolt()

violinplot() : 바이올린 플롯은 커널 밀도 추정함수 그래프와 박스 플롯을 합쳐놓은 구조이다.

countplot()

matplotlib의 plt.pie() : 파이 그래프. seaborn에 없음.

 

p96~ 데이터 관계 시각화: 여러 데이터 사이의 관계를 살펴보기 위한 그래프.

판다스의 pivot함수를 활용해서 데이터 구조를 바꿔준 후 시각화 수행.

pivot() 함수는 index와 columns 파라미터에 전달한 피처를 각각 행과 열로 지정하고, values 파라미터에 전달한 피처를 합한 표를 반환.

 

heatmap()

lineplot()

scatterplot()

regplot()