2023-01-13 스터디 블로그 1!!

kaggle Titanic

kaggle 대회 중 Titanic 생존자 예측을 해보기로 한다.

먼저, kaggle에서 csv를 다운 받아주고 csv의 feature별로 생존/사망을 분류해본다.

NAME을 이용하여 Title이라는 새로운 feature을 만들어 준다.

SEX와 AGE Embarked를 숫자로 다 바꾸어준다. AGE의 경우 결손치가 있기에 title 별로 중앙값을 구해 빈 곳들을 채워준다.

FARE 역시 결손치가 있기에 Pclass(등급)별로 중앙값을 구해 빈 곳들을 채워준다.

CABIN도 결손치가 있다. 빈 곳들을 채워주기 위해 A-F까지의 좌석들을 등급별로 나눠 중앙값을 구해 빈 곳들을 채워준다. 이때, A-F를 숫자로 바꿔 저장해준다.

FAMILYSIZE는 SIBSP와 PARCH를 합쳐 숫자로 나타내준다. 그런 후, 필요없는 feature들을 drop 해준다. 그럼 다음과 같이 table이 만들어진다.

데이터는 어느 정도 처리가 되었고 모델링을 해보자 나는 총 5개의 방법을 사용했다.

그 중 Radnom Forest가 가장 정확도가 높은 걸로 나와 이를 이용해 예측하였다.

피드백 조원들로 부터

• train set도 함께 돌리면 정확도가 더 좋아질 것 같다
• random forest 과대 적합 가능성이 있으므로 모델 구현 코드 부분을 수정하여 다시 진행해보자 라는 피드백을 받았습니다.

• 2023 10