4회 작업형 2번 풀이 질문있습니다.

• 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!

• 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요

• 먼저 유사한 질문이 있었는지 검색해보세요

import pandas as pd

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

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

# EDA

# train.shape,test.shape

# train.head()

# train.info()

# train.describe()

# train.isnull().sum()

# test.isnull().sum()

# train['Segmentation'].value_counts()

# train.describe(include='object')

# 피쳐링

# from sklearn.preprocessing import MinMaxScaler

# cols = ['Age','Work_Experience','Family_Size']

# scaler = MinMaxScaler()

# train[cols] = scaler.fit_transform(train[cols])

# test[cols] = scaler.transform(test[cols])

# train[cols].head()

train = pd.get_dummies(train)

test = pd.get_dummies(test)

train = train.drop('ID',axis=1)

test_id = test.pop('ID')

# train.head()

# 검증데이터

from sklearn.model_selection import train_test_split

X_tr,X_val,y_tr,y_val = train_test_split(train.drop('Segmentation',axis=1),train['Segmentation'],test_size=0.15,random_state=2023)

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

# 랜덤포레스트

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(random_state=2023,max_depth=8,n_estimators=800)

model.fit(X_tr,y_tr)

pred = model.predict(X_val)

# 예측 및 평가

from sklearn.metrics import f1_score

print(f1_score(y_val,pred,average='macro'))

# 제출

pred = model.predict(test)

submit = pd.DataFrame({

    'ID':test_id,

    'Segmentation':pred

})

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

# pd.read_csv("submission.csv")

1. 수치형 데이터를 스케일링 하는 경우는 언제인가요?(minmaxscaler등을 이용하는 것)

2. 범주형 데이터 라벨 인코딩이나, 원핫인코딩 둘 중 아무거나 써도 상관없을까요?

3. 예측할 때 값이 0.7이상은 나와야 했던거 같은데 너무 작게 나오는데 괜찮나요?

4. 급하게 공부하느라 전체적인 틀을 외워서 작성하고 있는데 이정도 작성할 수 있으면 괜찮을까요?

5. 제출하기 전에 csv생성하는 것을 제외한 모든 print문은 주석처리 해야되나요?