이상향

생존여부 예측모델 만들기 학습용 데이터(X_train, y_train)을 이용하여 생존 예측 모형을 만든 후, 이를 평가용 데이터(X_test)에 적용하여 얻은 예측값을 다음과 같은 형식의 CSV 파일로 생성하시오(제출한 모델의 성능은 accuracy 평가지표에 따라 채점) (가) 제공 데이터 목록 - y_train : 생존여부(학습용) - X_train, X_test : 승객 정보(학습용 및 평가용) (나) 데이터 형식 및 내용 - y_train (712명 데이터) 시험환경 세팅은 예시문제와 동일한 형태의 X_train, y_train, X_test 데이터를 만들기 위함임 유의사항 - 성능이 우수한 예측모형을 구축하기 위해서는 적절한 데이터 전처리, 피처엔지니어링, 분류알고리즘, 하이퍼파라미터 튜닝, ..

회귀모형(상관계수) iris에서 Sepal Length와 Sepal Width의 상관계수를 계산하고 소수 둘째자리까지 출력하시오 import pandas as pd from sklearn.datasets import load_iris # iris 데이터셋 로드 iris = load_iris() df = pd.DataFrame(iris.data, column=iris.feature_names) # Sepal Length와 Sepal Width의 상관계수 계산 correlation = df.corr() result = correlation.loc['sepal length (cm)', 'sepal width (cm)'] print(round(result), 2))

정규성 검정(Shapiro-Wilks) 12명의 수험생이 빅데이터 분석기사 시험에서 받은 점수이다. Shapiro-Wilk 검정을 사용하여 데이터가 정규 분포를 따르는지 검증하시오. - 귀무가설(H0) : 데이터는 정규 분포를 따른다. - 대립가설(H1) : 데이터는 정규 분포를 따르지 않는다. Shapiro-Wilk 검정 통계량, p-value, 검증결과를 출력하시오. from scipy import stats data = [75, 83, 81, 92, 68, 77, 78, 80, 85, 95, 79, 89] # Shapiro-Wilk 검정 수행 st, va = stats.shapiro(data) # 결과 출력 print("Shapiro-Wilk 검정 통계량 : ", st) print("p-value ..

일원배치법 세가지 다른 교육 방법(A, B, C)을 사용하여 수험생들의 시험 성적을 개선시키는 효과를 평가하고자 한다. 30명의 학생들을 무작위로 세 그룹으로 배정하여 교육을 실시하였고, 시험을 보고 성적을 측정하였다. - 귀무가설(H0) : 세 그룹(A, B, C) 간의 평균 성적 차이가 없다. - 대립가설(H1 또는 Ha) : 세 그룹(A, B, C) 간의 평균 성적 차이가 있다. 일원배치법을 수행하여 그룹 간의 평균 성적 차이가 있는지 검정하시오. 1. f값(소수 둘째자리) 2. p값(소수 여섯째자리) 3. 검정결과 출력 import pandas as pd import scipy.stats as stats # 데이터 groupA = [85, 92, 78, 88, 83, 90, 76, 84, 92, ..

단일표본 다음은 22명의 학생들이 국어시험에서 받은 점수이다. 학생들의 평균이 75보다 크다고 할 수 있는가? - 귀무가설(H0) : 모평균은 mu와 같다. 학생들의 평균은 75이다. - 대립가설(H1) : 모평균은 mu보다 크다. 학생들의 평균은 75보다 크다. - 모집단은 정규분포를 따르고, 표본의 크기가 충분히 크다고 가정했을 때 검정통계량, p-value, 검정결과를 출력하시오. from scipy.stats import ttest_1samp # 데이터 scores = [75, 80, 68, 72, 77, 82, 81, 79, 70, 74, 76, 78, 81, 73, 81, 78, 75, 72, 74, 79, 78, 79] mu = 75 st, rv = stats.ttest_1samp(score..

독립표본 어떤 특정 약물을 복용한 사람들의 평균 체온이 복용하지 않은 사람들의 평균 체온과 유의미하게 다른지 검정해보려고 한다. - 약물을 복용한 그룹과 복용하지 않은 그룹의 체온 데이터가 각각 주어져있다고 가정한다. - 각 그룹의 체온은 정규분포를 따른다고 가정한다. - 검정통계량, p-value, 검정결과를 출력하시오 from scipy import stats # 데이터 수집 group1 = [36.8, 36.7, 37.1, 36.9, 37.2, 36.8, 36.9, 37.1, 36.7, 37.1] group2 = [36.5, 36.6, 36.3, 36.6, 36.9, 36.7, 36.7, 36.8, 36.5, 36.7] # 가설검정 st, rv = stats.ttest_ind(group1, grou..

대응(쌍체) 표본 주어진 데이터는 고혈압 환자 치료 전후의 혈압이다. 해당 치료가 효과가 있는지 대응(쌍체) 표본 t-검정을 진행하시오 - 귀무가설(H0) : μ >= 0 - 대립가설(H1) : μ < 0 - μ = (치료 후 혈압 - 치료 전 혈압)의 평균 - 유의수준 : 0.05 1. μ의 표본평균은?(소수 둘째자리까지 반올림) 2. 검정통계량 값은?(소수 넷째자리까지 반올림) 3. p-값은?(소수 넷째자리까지 반올림) 4. 가설검정의 결과는? (유의수준 5%) import pandas as pd pd = pd.read_csv("/kaggle/input/bigdatacertificationkr/high_blood_pressure.csv") import scipy import stats df['diff..

자동차 시장 세분화 - 자동차 회사는 새로운 전략을 수립하기 위해 4개의 시장으로 세분화했습니다. - 기존 고객 분류 자료를 바탕으로 신규 고객이 어떤 분류에 속할지 예측해주세요! - 예측할 값(y) : "Segmentation" (1, 2, 3, 4) - 평가 : Macro f1-score - data : train.csv, test.csv - 제출형식 답안 제출 참고 - 아래 코드 예측변수와 수험번호를 개인별로 변경하여 활용 - pd.DataFrame({'ID' : test.ID, 'Segmentation' : pred})).to_csv('003000000.csv', index=False) 노트북 구분 - basic : 수치형 데이터만 활용 -> 학습 및 test 데이터 예측 - intermediat..

문제 1 - age 컬럼의 3사분위수와 1사분위수의 차를 절대값으로 구하고, 소수점 버려서 정수로 출력 - data_path : ../input/bigdatacertificationkr/basic1.csv import pandas as pd df = pd.read_csv("../input/bigdatacertificationkr/basic1.csv") # print("1사분위 : ", df['age'].quantile(0.25)) # print("3사분위 : ". df['age'].quantile(0.75)) result = abs(df['age'].quantile(0.25) - df['age'].quantile(0.75)) # print("절대값 차이 : ", result) print(int(resul..

여행 보험 패키지 데이터 - 예측할 값(y) : TravelInsurance (여행보험 패키지를 구매했는지 여부, 0:구매안함, 1:구매) - 평가 : roc-auc 평가지표 - data : t2-1-train.csv, t2-a-test.csv - 제출형식 # 라이브러리 불러오기 import pandas as pd # 데이터 불러오기 train = pd.read_csv("../input/big-data-analytics-certification/t2-1-train.csv") test = pd.read_csv("../input/big-data-analytics-certification/t2-1-test.csv") # EDA # 데이터 사이즈 train.shape, test.shape # 샘플 확인 trai..