Project/Analysis Project (3) 썸네일형 리스트형 포스트 코로나 배달 문화 변화 및 소상공인 자력 활성화 방안 Public 4등 private은...4등 밖..ㅠ으로 끝난 데이콘은 첫 시각화 대회..! 인사이트와 솔루션을 조금 더 잘 연결 했다면 더 좋은 성과를 얻을 수 있었을텐데...아쉬운 대회이다. 하지만 대용량 데이터를 전처리하고 시각화하며, 데이터 탐색 및 처리에 대한 스킬을 향상할 수 있었기에 뜻 깊은 대회이다. 다음에 또 도전할 기회가 생긴다면 데이터 탐색에 대한 일정 조율과 데이터를 통해 얻은 인사이트를 잘 정리하여 최종 솔루션까지 완벽하게 만들어서 만족할 수 있는 결과물을 만들고 싶다. 데이터 분석 코드를 보고 싶다면 ☞ https://sihyun1118.tistory.com/52 고객 정보를 활용한 신용 위험도 예측 In [1]: import pandas as pd import numpy as np import warnings import matplotlib.pyplot as plt warnings.filterwarnings(action='ignore') 주제 선정¶ 고객정보를 활용하여 신용 위험도 판별 규칙 도출 제공된 학습용 데이터셋을 활용하여 머신러닝 알고리즘 구현 Data Load & check¶ 사용한 데이터: OpenML credit-g.csv (출처 https://www.openml.org/home) In [2]: credit_df = pd.read_csv('dataset_31_credit-g.csv',encoding='euc-kr') In [3]: credit_df.shape Out[3]: (1000,.. 수원시 지역화폐 결제 현황 EDA 수원시 지역화폐 결제 정보¶ import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import matplotlib as mt import warnings warnings.filterwarnings(action='ignore') #warnings.filterwarnings(action='default') mt.rcParams['font.family'] = 'Malgun Gothic' EDA 분석¶ 1. 데이터의 출처와 주제에 대해 이해¶ 데이터 출처ㅣ 공공데이터 포털, 경기도 수원시 지역화폐 결제 정보(https://www.data.go.kr/data/15075618/fileData.do) 20.. 이전 1 다음
