코드질문드립니다!

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

작업형2 모의문제1

해결된 질문

작성

import pandas as pd

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")
# train = pd.read_csv("train.csv")
# test =  pd.read_csv("test.csv")

train.info()
train.isnull().sum()

#원핫 인코딩

y_train = train.pop('Attrition_Flag')

train_oh = pd.get_dummies(train)
test_oh = pd.get_dummies(test)

data = pd.concat([train,test],axis =0)
data_oh=pd.get_dummies(data)

train_oh= data_oh.iloc[:len(train)].copy()
test_oh= data_oh.iloc[len(train):].copy()

#인코딩 다음에 해야할일은? 검증 데이터 분할

train.shape, test.shape, y_train.shape

from sklearn.model_selection import train_test_split

X_tr,X_val,y_tr,y_val = train_test_split(train_oh,y_train,test_size=0.2,random_state=0)

print(X_tr.shape, X_val.shape, y_tr.shape, y_val.shape)



from sklearn.ensemble import RandomForestClassifier

rf=RandomForestClassifier(random_state=0)
rf.fit(X_tr,y_tr)

pred=rf.predict(X_val)
pred_proba=rf.predict_proba(X_val)

#평가
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score

# 정확도
print(accuracy_score(y_val, pred))

# 정밀도
print(precision_score(y_val, pred))

# 재현율 (민감도)
print(recall_score(y_val, pred))

# F1
print(f1_score(y_val , pred))


pred=rf.predict_proba(test_oh)



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

submit.to_csv("435706131.csv",index=False)

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 3

퇴근후딴짓

지식공유자

네 전혀 문제없습니다 🙂

김지수

질문자

강의 영상이랑은 조금 다른데 이렇게 작성해도 될까요?

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 김지수님. 작성하신 코드를 검토해보니 데이터 전처리부터 모델 평가 및 제출까지 전반적으로 잘 구성되어 있습니다. 몇 가지 확인 포인트와 질문하신 내용을 중심으로 간단히 설명드리겠습니다.

데이터 탐색 및 결측치 확인:
```
train.info()
train.isnull().sum()
```
데이터를 불러온 후 info()를 통해 데이터 타입과 기본적인 정보를 확인하고, isnull().sum()을 사용하여 결측치를 확인하는 과정이 적절합니다.
원핫 인코딩:
```
train_oh = pd.get_dummies(train)
test_oh = pd.get_dummies(test)
```
범주형 변수에 대해 원핫 인코딩을 수행하여 데이터의 수치화를 진행하셨습니다. 이 과정에서 data_oh 변수를 사용하여 train과 test 데이터를 함께 인코딩하였는데 이는, train과 test에 동일한 컬럼을 만들기 위한 과정으로 보입니다.
데이터 분할:
```
X_tr, X_val, y_tr, y_val = train_test_split(train_oh, y_train, test_size=0.2, random_state=0)
```
train_test_split을 활용하여 데이터를 학습용과 검증용으로 분리한 부분도 적절합니다.
모델 훈련 및 평가:
”`python
from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier(random_state=0)
rf.fit(X_tr, y_tr)

pred = rf.predict(X_val)
pred_proba = rf.predict_proba(X_val)

   `RandomForestClassifier`를 이용해 모델을 훈련하고, 예측 결과로 `accuracy_score`, `precision_score`, `recall_score`, `f1_score` 등을 통해 모델 성능을 평가한 부분도 잘 적용되어 있습니다.

5. **결과 저장**:
   ```python
   submit = pd.DataFrame({
       'CLIENTNUM': test['CLIENTNUM'],
       'Attrition_Flag': pred[:,1]
   })
   submit.to_csv("435706131.csv", index=False)

예측 결과를 CSV 파일로 저장하며, CLIENTNUM을 키 값으로 사용한 부분도 잘 되어있습니다.

유사 질문 또는 관련 참고 링크:
- 작업형2 문제 해결 방안: 작업형 문제 해결를 위한 전반적인 가이드를 제시하고 있습니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.

인프런 커뮤니티 질문&답변

코드질문드립니다!