챕터2 과제정리 1

📌 TIL (Today I Learned) - 보스턴 주택 가격 데이터셋 분석 및 모델링 🏠📈

 

 

1. 📊 데이터셋 이해 및 탐색

• 데이터셋: 보스턴 주택 가격 데이터셋 🏘️
• 특징:
  • CRIM: 범죄율 🚨
  • ZN: 25,000 평방피트 초과 거주 지역 비율 🏘️
  • INDUS: 비소매 상업 지역 비율 🏭
  • CHAS: 찰스 강 인접 여부 🏞️ (더미 변수)
  • NOX: 질소 산화물 농도 🧪
  • RM: 주택당 평균 방 수 🚪
  • AGE: 1940년 이전 건축된 주택 비율 🕰️
  • DIS: 보스턴 고용 센터까지의 가중 거리 📍
  • RAD: 고속도로 접근성 지수 🛣️
  • TAX: 재산세율 🧾
  • PTRATIO: 학생-교사 비율 🧑‍🏫
  • B: 흑인 인구 비율 관련 변수 🧑🏿
  • LSTAT: 하위 계층 인구 비율 🧑‍🤝‍🧑
  • MEDV: 중간 주택 가격 💰 (타겟 변수)
• 데이터 탐색:
  • 결측치 확인: isnull().sum() 🔎
  • 결측치 처리: 중앙값 대체 ⚙️
  • 통계 정보 확인: describe() 📊
  • 데이터 분포 시각화: histplot 📈
  • 이상치 확인: boxplot 📦
  • 상관관계 분석: corr() & heatmap 🌡️

 

2. 🛠️ 데이터 전처리

• 이상치 처리:
  • IQR 활용, clip 함수로 이상치 값 조정 ✂️
• 특징 선택:
  • 8개 특징 선택 (LSTAT, RM, PTRATIO, INDUS, TAX, NOX, CRIM, AGE) 🎯
• 데이터 스케일링:
  • MinMaxScaler로 0~1 사이 스케일링 ⚖️
• 데이터 분할:
  • 훈련/테스트 세트 분할 (80:20), random_state=42 🗂️

 

3. 🤖 모델링 및 평가

• 선형 회귀 모델:
  • LinearRegression 사용 📏
  • 평가 지표: MAE, MSE, R² 💯
• 의사결정 트리 회귀 모델:
  • DecisionTreeRegressor 사용 🌳
  • 평가 지표: MAE, MSE, R² 💯
• 랜덤 포레스트 회귀 모델:
  • RandomForestRegressor 사용 🌲
  • 평가 지표: MAE, MSE, R² 💯
• 모델 성능 시각화:
  • 실제 값 vs 예측 값 산점도 🧮
  • 성능 지표 막대 그래프 (MSE, MAE, R²) 📊

 

4. 📚 추가 학습 내용 및 결과

• 성능 비교: 모델별 실제값-예측값 비교, 시각적 분석 🧐
• 이상치 처리 중요성: 훈련 데이터에만 적용 (테스트 데이터는 모델 학습 X) 🛡️
• 데이터 시각화 중요성: 데이터 특성 이해, 전처리 방향 결정 👁️
• 성능 지표 해석:
  • MAE: 평균 오차 크기 (작을수록 좋음) 📉
  • MSE: 오차 제곱 평균 (작을수록 좋음) 📉
  • R²: 모델 설명력 (1에 가까울수록 좋음) 📈

 

 

5. 📝 피드백 및 추가 학습 계획

• 피드백:
  • 이상치 처리: 다양한 방법 탐색 (z-score, RobustScaler) 🔎
  • 특징 선택: EDA, feature importance 활용 🎯
  • 모델 성능 개선: 하이퍼파라미터 튜닝, 교차 검증 ⚙️
  • 결과 분석: 예측 실패 원인 분석 🧐
• 추가 학습 계획:
  • 다양한 회귀 모델 학습 (SVM, Gradient Boosting) 📚
  • 모델 튜닝 및 검증 (하이퍼파라미터, 교차 검증) ⚙️
  • 피처 엔지니어링 (변수 조합, 변환) ✨
  • 모델 해석력 (강점, 약점 분석) 🧐

 

✨ 느낀점

• 통계 지표, 시각화, 모델링 통합 학습 💪
• 다양한 전처리 방법 적용 및 결과 변화 관찰 👀
• 회귀 모델 평가 시 다양한 지표 고려 중요성 인지 🤔
• 모델 선택 이유 명확히 해야 함을 인지 💯