타이타닉 생존자 분석

타이타닉의 생존자를 찾아내는 Kaggle 프로젝트. Jupyter Notebook 환경에서 Decision Tree를 이용해 타이타닉호 탑승자의 생존여부를 판단합니다.

수행기간: 2019년 11월 (2개월)
특징: Kaggle 대표 프로젝트 수행. Tree 기반의 단계적인 성능향상 실습.

타이타닉 생존자 찾기

탑승자의 나이, 성별, 티켓등급, 승선항구 등의 정보를 받아 그 승객이 죽고 살 가능성을 판단합니다. 최종적으로 80% 이상의 예측 정확도를 달성하는것을 목표로 합니다.

Feature(특징) 이해 & Feature Engineering

데이터 특성을 파악하고 Feature Engineering의 기본개념을 익힙니다.

데이터 시각화

주요특징을 시각화하고 원하는 메시지를 그래프, 차트 등으로 표현해내는 능력을 기릅니다. 주로 seaborn을 사용합니다.

Tree기반의 머신러닝 이해

의사결정나무 모델로 머신러닝을 이해하고 scikit-learn으로 직접 모델링하는 법을 배웁니다. 나아가 Random-forest까지 익힙니다.

머신러닝에 의한 분석

기계학습의 기본 원리를 익히고, 기계학습에 의한 분석을 실시합니다.

습득

• 5단계식 데이터 분석 수행
• Feature Engineering의 기본
• jupyter notebook 환경 이해
• 머신러닝 이해(decision-tree, random-forest)
• 논리적인 데이터 분석
• 데이터 시각화(seaborn, matplotlib)