[Brightics 서포터즈] 팀 분석 프로젝트 (3편)

 

​

 

안녕하세요! 우주선 탑승 승객 예측하기

팀 프로젝트 세 번째로 찾아왔어요.

​

오늘은 EDA와 전처리를 진행했던

지난 시간에 이어서, 2차 전처리와

모델링까지 포스팅을 할 예정입니다.

​

먼저 2차 전처리 과정을 살펴보도록 해요.

​

 

 

< 두 번째 전처리 >

​

EDA와 첫 번째 전처리 했던 것을 바탕으로

예측에 더 도움이 될 수 있는 방향으로

전처리를 진행하고자 했어요.

​

이를 위해, 변수마다 어떤 패턴이 있는지

의견을 나누고 캐글 코드를 찾아보았습니다.

​

먼저 추가적인 파생 변수를 생성하였어요.

​

Α. 우주선 탑승객들이 이용한 편의 시설의

사용 총 금액 변수 생성

(Roomservice, spa, vrdeck, foodcourt, shoppingmall)

​

B. vip 변수를 추가 드롭

​

C. Passengerld에서 grop, grop size 피처 생성

​

D. Cabin에서 Cabin_deck, side 피처 생성

 

 

 

다음으로는 결측치 처리를 진행했는데요.

처리해야 하는 결측치는 아래와 같았습니다.

​

​

[Homplanet, Destination]

​

만일, Homeplanet이 결측치고

Destination의 목적지 변수가 TRAPPIST-1e라면

TRAPPIST-1e에서 가장 많은 비율을 차지하는

Homplenet 변수로 결측치를 대체하였습니다.

​

두 변수의 상관관계를 통해 처리한 것인데요,

이를 위해 브라이틱스 Stacked Column

그래프를 그려 각각의 비율을 확인했습니다.

​

​

​

Homeplanet None 값 중,

목적지가 TRAPPIST-1e라면 Earth로 대체

목적지가 PSO J318.5-22라면 Earth로 대체

목적지가 55 Cancri e라면 Europa로 대체

​

어떻게 비율을 확인할 수 있을지 고민이

되었는데 브라이틱스의 그래프 기능 덕분에

결과를 손쉽게 알 수 있었습니다!

​

​

​

Add Column을 이용해 조건을 넣어주었고,

null 값이 없는 Homplanet 변수를 최종적으로

만들 수 있었답니다. Destination도 위와 같은

방식으로 처리를 진행했어요.

​

​

[Cabin]

​

Cabin 변수는 컬럼별 최빈값을 도출해

결측치를 대체하였는데요. 이 부분은

팀원 중 한 분께서 파이썬 스크립트를

이용하여 처리해 주셨어요.

​

브라이틱스는 자유 자재로 코드 또한

이용이 가능해서 편리하다는 생각을

또 한 번 했답니다 😳

​

​

[CryoSleep]

​

다음은 CryoSleep 변수의 결측치 처리입니다.

​

지난번 멘토님께서 CryoSleep 변수에 대해

더 살펴보면 좋을 것 같다고 코멘트해 주셨는데요,

회의를 진행하다 보니 한 가지 패턴을

알 수 있었습니다.

​

CryoSleep는 쉽게 생각해 냉동인간 상태인데요.

냉동인간으로 우주선에 탑승한 사람들의

서비스 사용을 살펴보니 0 혹은 결측치만

존재하였습니다.

​

당연히! 냉동 수면 중이니 룸서비스, 스파,

쇼핑물 같은 편의 시설을 이용하지 못했겠죠.

 

다만 서비스를 이용하지 않았다고 해서

모두가 냉동인간인 것은 아니니 이 부분을 주의해

나머지 결측치 처리를 진행했습니다.

​

 

 

< 모델링 >

​​

마지막 단계인 모델링 부분입니다.

​

모델 선택을 위해 캐글 코드 공유 부분에서

사람들이 사용했던 모델들을 리스트업 하고,

브라이틱스에서 사용 가능한 모델 두 가지를

선별하였습니다.

( Random Forest, XGB 모델 )

​

모델링을 위해서

Add Function Columns 함수를

사용해 로그 변환을 진행하였는데요,

​

0쪽으로 치우친 변수를 고르게 분포시키기 위해

소비 변수들에 로그 변환을 적용합니다.

​

​

라벨 인코더 함수를 통해 범주형 변수들을

CryoSleep, Destination, Transported, Cabin_Deck, Cabin_Side, Homeplanet2

숫자 변수로 변환해 주었습니다.

​

마지막으로 두 가지 모델을 선택해

요리조리 잘 이어준 다음에

Select Column을 통해 최종 예측 결과를

확인할 수 있었습니다!

​

 

이번 분석에서는 전처리 부분이 꽤 길었는데요.

회의를 하며 다양한 아이디어를 주고받았고,

여러 가지 방법을 적용해 보느라 그랬네요.

​

확실히 팀 회의를 진행하니 혼자서는

발견할 수 없었던 부분을 여러 방면에서

캐치할 수 있게 되는 것 같아요.

​

소감을 마지막으로 이번 팀 프로젝트는

여기서 마무리하겠습니다! 다음 주에도

흥미로운 주제로 포스팅을 이어나갈게요.

​

그럼 모두 안녕!

​

 

 

​

마지막으로 남기고 싶어서 올리는

열쩡 넘치는 회의의 흔적 ….

​

​

​

*본 포스팅은 삼성SDS Brightics 서포터즈 3기 활동의 일환으로 작성하였습니다.