인프런 커뮤니티 질문&답변

작성 답안 :

import pandas as pd

import numpy as np

train = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/main/p2/ceredit%20card/train.csv")

test = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/main/p2/ceredit%20card/test.csv")

target = train.pop('Attrition_Flag')

train = pd.get_dummies(train)

test=pd.get_dummies(test)

train.shape, test.shape

from sklearn.model_selection import train_test_split

X_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size = 0.2, random_state=0)

X_tr.shape, X_val.shape, y_tr.shape, y_val.shape

from sklearn.ensemble import RandomForestClassifier

rf = RandomForestClassifier()

rf.fit(X_tr, y_tr)

pred = rf.predict(X_val)

from sklearn.metrics import f1_score

f1_score = f1_score(y_val, pred)

print(f1_score)

pred = rf.predict_proba(X_val)

from sklearn.metrics import roc_auc_score

roc_auc_score = roc_auc_score(y_val, pred[:,1])

print(roc_auc_score)

pred = rf.predict_proba(test)

pred

submit = pd.DataFrame({'Attrition_Flag':pred[:,1]})

submit.to_csv('result.csv',index=False)

df = pd.read_csv('result.csv')

df.shape

1. 강의 자료에서 검증 데이터 분리시 train.drop을 이용하여 baseline, 인코딩 여러 가징 방법을 적용하여 성능이 우수한 것을 결정하였는데, 시험볼때 원핫 인코딩 하나만 설정해서 진행해도 되는지 문의드립니다.

2. 전처리 시 'CLIENTNUM' 가 오버피팅될 수 있으므로 pop을 활용하여 따로 빼서 분리하였는데,

해당 과정은 생략해도 되는지 문의드립니다.

3. 원핫 인코딩 설정시

pd.get_dummies(train, columns = cols)가 아닌

pd.get_dummies(train)으로 설정해도 되는지 문의드립니다.

3. 시험볼때 f1_score, 정밀도, 재현율 등 여러가지 성능을 확인해봐야 되는지, 아니면 f1_score 하나만 확인해서 진행해도 되는지 문의드립니다.

3. 상위 코드 내용대로 풀어봤는데, 적정한지 검토 부탁드리겠습니다~^^