📊 Data Analysis

240529 Today I Learn자료형과 통계모형자료형질적Qualitative 자료: 수칙 연산이 불가한 자료입니다. 범주형Categorical이라고도 합니다.명목형Nominal: 이름, 성별과 같이 위계나 순서가 없는 자료입니다.순서형Ordinal: 학년 별점과 같이 순서가 있지만 사칙연산이 적용되기 어려운 자료입니다.양적Quantitative 자료: 수칙 연산이 가능한 자료입니다.연속형Continuous: 길이나 무게처럼, 분절되지 않고 연속적인 수치형 자료입니다.이산형Discrete: 개수와 같이 연속적이지 않은 수치형 자료입니다.독립 변수와 종속 변수종속 변수Dependent variable우리가 예측 혹은 설명하고자 하는 변수입니다.반응 변수, 표적 변수, 예측 변수 등이라고도 합니다.독립 ..

240528 Today I Learn통계적 가설검정이란?💡 통계적 가설검정이란?주어진 자료가 특정 가설을 충분히 뒷받침하는지 여부를 결정하는 통계적 추론 방법모수에 대한 예상, 주장 등의 옳고 그름을 표본으로부터 주어지는 정보를 이용해 판단하는 사후적 분석과정으로, 상반된 두가지 가설 중 한가지를 수집된 자료에 근거해 선택하는 분석과정 (2020 확통 강의)통계적 가설검정의 4단계귀무가설과 대립 가설 설정하기가설검정을 위한 표본통계량 선택하기기각역 설정하기통계적 결론 내리기 → 귀무가설의 기각 여부, 결론은 말로 기술한다.가설 검정 하기귀무가설과 대립가설귀무가설, Null Hypothesis (H0)지금까지 옳다고 믿어온 주장주로 현재까지 인정되고 있는 사실 또는 간단하고 구체적인 사실을 지정예시 - ..

240527 Today I Learn평균이란?평균이란?a single number or value that best represents a set of data데이터 집합을 가장 잘 나타내는 단일 숫자 또는 값을 이야기한다.왜도와 이상치💡 왜도, Skewness왜도는 특정한 방향으로 데이터가 쏠려있는 것으로, 왜도가 있으면 평균이 전체 데이터를 대표하지 못한다.보통 그래프로 확인하며 꼬리(tail, 길게 늘어진 부분)의 방향에 따라 left skewed/ right skewed로 구분한다. 왼꼬리 분포, Left Skewed평균 분포가 왼쪽으로 몰려있고 오른쪽으로 긴 꼬리가 늘어진 형태오른 분포, Right Skewed평균 > 중앙값분포가 오른쪽으로 몰려있고 왼쪽으로 긴 꼬리가 늘어진 형태💡 이상치,..

기초 프로젝트 : 은행 고객데이터를 이용한 서비스 분석  기초 프로젝트 : 은행 고객데이터를 이용한 서비스 분석(5)기초 프로젝트 : 은행 고객데이터를 이용한 서비스 분석📊 시각화 - 소득이 높은 고객(VIP)고객을 잡아라!3. VIP 고객들의 예치 현황 파악VIP 고객들은 투자를 많이 하는지 아니면 예치를 하는archivenyc.tistory.com🎙️ 최종 발표 자료 기초프로젝트디자인 전문가가 아니어도 무료 템플릿으로 손쉽게 원하는 디자인을 할 수 있어요.www.miricanvas.com 💖 발표 후 받은 피드백16%의 데이터 손실이 발생했다는 것은 조금 크다고 생각, EDA 과정에서 미숙함이 있었다. 하지만 각각 컬럼에 대해 많이 이해하려고 노력한것 같아보였음가장 맘에 들었던 부분은 30,50..

기초 프로젝트 : 은행 고객데이터를 이용한 서비스 분석📊 시각화 - 소득이 높은 고객(VIP)고객을 잡아라!3. VIP 고객들의 예치 현황 파악VIP 고객들은 투자를 많이 하는지 아니면 예치를 하는 편인지 알아보자.✅ VIP 고객들은 소득이 많으면 투자를 많이 하는가?# 사이즈 지정plt.figure(figsize=(16,9))# 산점도 그리기sns.scatterplot(data = stat, x='Monthly_Income', y='Amount_invested_monthly', hue = 'age_group', palette = green_palette2, alpha= 0.5)# 제목 붙이기plt.title('Regression Analysis of Monthly Income - Amount of M..

기초 프로젝트 : 은행 고객데이터를 이용한 서비스 분석🗂️ 데이터 정규화 & 표준화Age_group을 생성고객들의 Age를 10대, 20대, 30대 등의 범주로 그룹화해 ‘age_group’ 컬럼을 추가적으로 생성했다.bank_numeric['age_group']= [int(i//10)*10 for i in bank_numeric['Age']] Loan Type을 분리해 더미 변수로 만들기Type_of_Loan 컬럼의 경우 Loan의 종류별로 구분된 것이 아니라 컴마를 통해 하나의 값으로 연결되어있는데, 이렇게 되면 다음과 같은 문제가 발생하게된다.✅ 고객마다 어떤 종류의 대출을 받았는지 확인하기 어려움✅ 대출 종류는 같아도 순서가 다르기 때문에 하나의 컬럼으로 합치기 어려움따라서 데이터에서 조금더 쉽..