[빅데이터분석기사] 작업형 2유형 연습문제 #3

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, 모형 앙상블 등이 수반되어야 한다.

 - 수험번호.csv 파일이 만들어지도록 코드를 제출한다.

 - 제출한 모델의 성능은 accurancy로 평가함

 

답안 제출 참고

 - 아래 코드 예측변수와 수험번호를 개인별로 변경하여 활용

 - pd.DataFrame({'cust_id' : X_test.cust_id, 'gender':pred}).to_csv('003000000.csv', index=False)

csv 출력 형태

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

def exam_data_load(df, target, id_name="", null_name=""):
    if id_name == "":
        df = df.reset_index().rename(columns={"index": "id"})
        id_name = 'id'
    else:
        id_name = id_name
    
    if null_name != "":
        df[df == null_name] = np.nan
    
    X_train, X_test = train_test_split(df, test_size=0.2, random_state=2021)
    
    y_train = X_train[[id_name, target]]
    X_train = X_train.drop(columns=[target])

    
    y_test = X_test[[id_name, target]]
    X_test = X_test.drop(columns=[target])
    return X_train, X_test, y_train, y_test 
    
df = pd.read_csv("../input/titanic/train.csv")
X_train, X_test, y_train, y_test = exam_data_load(df, target='Survived', id_name='PassengerId')

X_train.shape, X_test.shape, y_train.shape

# EDA
X_train.head()
X_train.info()
y_train.head()

# 생존 비율
y_train['Survived'].value_counts()

# 데이터 전처리
y = y_train['Survived']

# sex만 원핫인코딩 됨
features = ['Pclass', 'sex', 'SibSp', 'Parch']
X = pd.get_dummies(X_train[features])
test = pd.get_dummies(X_test[features])

X.shape, test.shape

# 모델 및 평가
from sklearn.ensemble import RandomForestClassifier

rf = RandomForestClassifier(random_state = 42)
mofel.fit(X, y)
pred = model.predict(test)

model.score(X, y)

output = pd.DataFrame({'PassengerId' : X_test.PassengerId, 'Survived' : pred})
output.head()

output.to_csv('1234567.csv', index_False)