[빅데이터분석기사] 작업형2 문제유형 (분류)

* 퇴근후딴짓 님의 강의를 참고하였습니다. *

[ 문제 ]

신용카드서비스를 떠나는 고객 찾기

ㅇ 데이터 : trian.csv, test.csv

ㅇ 나이, 급여, 결혼상태, 신용카드한도 등의 컬럼이 있음

ㅇ 평가 : ROC_AUC, 정확도(Accuracy), F1, 정밀도(Precision), 재현율(Recall) 구하기

ㅇ 타겟데이터 : Attrition_Flag(1:이탈, 0:유지)

반응형

 

[ 풀이 ]

1. 라이브리러, 데이터 불러오기

import pandas as pd

train = pd.read_csv('train.csv')
test = pd.read_csv('test.csv')

 

2. EDA

print(train.shape, test.shape)
print(train.head(), test.head())
train.info()
train['Attrition_Flag'].value_counts()
train.isnull().sum()
test.isnull().sum()

 

 

3. 데이터 전처리 & 피처엔지니어링

ㅇ 범주형 데이터 - baseline(제거) / 라벨인코딩 / 원핫인코딩

cols = train.select_dtypes(include='object').columns
cols
# baseline : object 컬럼 제거'
# print(train.shape, test.shape)
# train = train.drop(cols, axis=1)
# test = test.drop(cols, axis=1)
# print(train.shape, test.shape)
# train = train.drop(cols, axis=1, inplace=True) 위와 동일한 결과로 바로 적용됨

# 범주 label : 컬럼 1개씩 해야함
from sklearn.preprocessing import LabelEncoder

for col in cols:
    le = LabelEncoder()
    train[col] = le.fit_transform(train[col])
    test[col] = le.transform(test[col])

train[cols].head()


# 범주 one-hot 인코딩
# train = pd.get_dummies(train, columns=cols)
# test = pd.get_dummies(test, columns=cols)

ㅇ train 데이터에서 CLIENTNUM 컬럼 drop, test데이터에서 CLIENTNUM 컬럼 test_id로 저장하고 pop

train = train.drop('CLIENTNUM', axis=1)
test_id = test.pop('CLIENTNUM')

train.head(), test_id

 

4. 검증데이터 분리

# 검증데이터 분리
from sklearn.model_selection import train_test_split

X_tr, X_val, y_tr, y_val = train_test_split(
                                              train.drop('Attrition_Flag', axis=1), train['Attrition_Flag'], test_size=0.2, random_state=2022)

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

# 타겟컬럼을 제외한 train 데이터, train데이터의 taget컬럼, testsize, 동일한 값

320x100

5. 모델 & 검증데이터로 평가

# 모델 불러오기, fit 학습하고, predict 예측

# 랜덤포레스트
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(random_state=2022)
model.fit(X_tr, y_tr)
pred = model.predict(X_val)

from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score

# 정확도
print(accuracy_score(y_val, pred))
# 정밀도
print(precision_score(y_val, pred))
# 재현율 (민감도)
print(recall_score(y_val, pred))
# F1
print(f1_score(y_val, pred))

# 베이스라인 기준
0.9666872301048736
0.9444444444444444
0.8435114503816794
0.8911290322580645
0.8752556237218814
# 레이블인코딩
0.9685379395434917
0.948936170212766
0.851145038167939
0.89738430583501
0.8752556237218814
# 원핫인코딩
0.9605181986428131
0.9419642857142857
0.8053435114503816
0.868312757201646
0.8752556237218814

# roc-auc
pred = model.predict_proba(X_val) # 0일때 확률, 1일때 확률 2개값 반환
print(roc_auc_score(y_val, pred[:,1])) #1일때 확률

# 베이스라인 기준
0.9904243128928434
# 레이블인코딩
0.9904243128928434
# 원핫인코딩
0.9904243128928434

 

6. 예측 및 저장

pred = model.predict_proba(test)
pred

submit = pd.DataFrame({
    'CLIENTNUM':test_id,
    'Attrition_Flag':pred[:,1]

})
submit.to_csv('0000.csv', index=False)

# pd.read_csv('0000.csv')

 

2023.06.12 - [자격증공부/빅데이터분석기사] - [빅데이터분석기사][작업형2] 머신러닝 이론 및 프로세스 요약

[빅데이터분석기사][작업형2] 머신러닝 이론 및 프로세스 요약

 

2023.06.12 - [자격증공부/빅데이터분석기사] - [빅데이터분석기사][작업형1] 판다스 문법 활용 요약

[빅데이터분석기사][작업형1] 판다스 문법 활용 요약