hachaenii님의 블로그

오늘의 학습 내용- 모델 성능 평가 및 다중 분류 개념- 결정 트리의 기본 개념- 랜덤 포레스트 개념과 구현 모델 성능 평가 및 다중 분류 개념 머신러닝 모델의 성능을 평가하는 것은 모델의 정확성, 일반화 성능, 실무 적용 가능성을 판단하는 중요한 과정 1. 모델 성능 평가 방법 1.1 정확도(Accuracy) 전체 샘플 중 올바르게 분류된 비율( TP + TN : 정답 / TP + TN + FP + FN : 전체 )정확도가 높을수록 모델이 데이터를 잘 예측하고 있음을 의미하지만 데이터가 불균형한 경우(Positive/Negative 비율 차이가 클 때), 정확도만으로 평가하면 모델 성능을 과대평가할 가능성이 있음.1.2 정밀도(Precision) 모델이 긍정 클래스(1, Positive) 라고 예측한 ..

오늘의 학습 내용- 데이터 전처리와 특징 엔지니어링 - 선형 회귀 개념과 원리- 다중 선형 회귀와 모델 평가- 로지스틱 회귀 개념과 활용- 모델 성능 평가와 다중 분류 데이터 전처리와 특징 엔지니어링머신러닝 모델의 성능은 데이터의 품질에 크게 의존데이터를 제대로 정리하고, 적절한 특징(Feature)을 만들어내는 과정이 매우 중요이를 위해 데이터 전처리(Data Preprocessing)와 특징 엔지니어링(Feature Engineering)을 수행해야 함 1. 데이터 전처리(Data Preprocessing)1.1 데이터 정리 및 탐색데이터를 정리하고 구조를 이해하는 단계- 데이터 로드: pandas, NumPy 등을 활용하여 데이터를 불러옴- 기초 통계 확인: df.describe(), df.info..

오늘의 학습 내용- 머신러닝의 기본 개념 이해 오늘은 개인 사정으로 머신러닝 기본 개념에 대해서만 간략히 정리하고 넘어가려고 합니다..! 머신러닝의 기본 개념 이해머신러닝(Machine Learning)은 데이터를 기반으로 패턴을 학습하고,이를 바탕으로 예측 및 의사 결정을 수행하는 인공지능(AI)의 한 분야명시적인 규칙을 프로그래머가 지정하는 것이 아니라, 알고리즘이 데이터를 분석하여 스스로 규칙을 찾아내는 방식으로 동작1. 머신러닝 정의 데이터에서 패턴을 찾아 학습하고, 새로운 데이터에 대해 예측을 수행하는 시스템 일반적으로 사람이 정의하기 어려운 복잡한 패턴을 데이터에서 자동으로 학습하여 적용하는 것이 머신러닝의 핵심 목표 2. 머신러닝의 주요 학습2.1 지도 학습(Supervised Learnin..

오늘의 학습 내용- Looker Studio의 개요와 데이터 소스 연결- Looker Studio 시각화와 대시보드 최적화- Looker Stusio Maria DB 연동 Chart.js 이용한 재무 보고서 웹 서버 연결 (Flask)1. GCP 터미널을 통해 사용할 디렉토리 생성 및 권한 부여 2. 사용할 코드 파일 경로 설정▶ 코드 압축 파일 ▶ filezila 를 이용한 경로 설정 3. 웹 서버 연결▶ 터미널 python3 app.py 실행▶ http:// (외부 ip 키):5001예 ) http://34.64.277.75:5001 Financial Report Looker Studio 개요Looker Studio(구 Google Data Studio)는 Google에서 제공하는 데이터 시각화 및 ..

오늘의 학습 내용- Tableau 시각화와 대시보드 설계 연습- HTML, JavaScript의 Chart.js를 이용한 시각화 오늘 수업 전반 부에는 어제 학습한 Tableau 를 이용해 시각화를 하는 연습을 4교시 가량 진행했는데 워낙 내용도 많고 블로그 내에 담기에 내용이 방대해서 가장 어려웠던 파이차트 그리기의 내용만 상세히 다루고 나머지는 대시보드나 몇개의 분석 결과의 이미지 정도로 대체 하려고 합니다. 그리고 새로 배운 html, Chart.js를 이용해 시각화를 하는 부분을 위주로 블로그를 작성해보았습니다. Tableau 시각화와 대시보드 설계 연습 사용한 데이터셋 1. 연령대별 매출 비율 분석 : 연령대별 매출 건수 비율을 파이 차트로 시각화하세요.2. 특정 상권의 요일별 매출 변화: 상권..

오늘의 학습 내용- Tableau 기본 사용법과 데이터 연결 - Tableau 시각화와 대시보드 설계 Tableau 기본 사용법과 데이터 연결Tableau(테블루)는 데이터를 시각적으로 분석하고 대시보드를 생성하는 강력한 데이터 시각화 도구Tableau는 직관적인 드래그 앤 드롭(Drag & Drop) 방식을 지원하여 데이터 분석 초보자부터 전문가까지 모두 활용 가능1. Tableau의 주요 기능 1.1 데이터 연결다양한 데이터 소스 연결 가능- Excel, CSV, Google Sheets, JSON- 관계형 데이터베이스(MySQL, PostgreSQL, MariaDB 등)- 클라우드 데이터(Warehouse: Google BigQuery, AWS Redshift 등) 1.2 강력한 데이터 시각화- 차..

오늘의 학습 내용- 고객 세분화를 위한 통계 분석- 확률 분포, 포아송 분포- 통계적 분석을 통한 마케팅 성과 예측 - 통계 분석 종합 실습 및 결과 해석 고객 세분화를 위한 통계 분석고객 세분화(Customer Segmentation)는 고객의 특성과 행동 패턴을 분석하여 비슷한 그룹으로 나누는 과정이를 통해 맞춤형 마케팅 전략을 수립하고, 고객 만족도를 높이며, 기업의 수익을 극대화고객 세분화를 수행하기 위한 통계 분석 기법 : 기술 통계 분석, K-평균 군집 분석, RFM 분석, 계층적 군집 분석 등 1. 기술 통계 분석기술 통계 분석은 데이터의 분포와 기본적인 특징을 파악하는 데 사용고객 데이터를 분석할 때 자주 사용평균 (Mean): 고객 1인당 평균 구매 금액, 평균 방문 횟수 등을 분석하는 ..

오늘의 학습 내용- 마케팅 데이터의 주요 지표 분석- 고객 세분화를 위한 통계 분석 마케팅 데이터의 주요 지표마케팅 데이터 분석은 소비자 행동 이해(특징 추출), 마케팅 전략 최적화, 비즈니스 성과 개선 중요한 역할주요 지표(Performance Metrics)를 통해 마케팅 캠페인의 효과성을 측정하고, 향후 전략을 수립하는 데 활용1. 트래픽(Website Traffic)방문자 수 (Visitors)특정 기간 동안 웹사이트를 방문한 총 사용자 수신규 방문자(New Visitors) vs. 재방문자(Returning Visitors) 비교 분석 가능페이지뷰(Page Views)- 방문자가 특정 웹사이트에서 본 페이지 수- 페이지뷰가 많을수록 사용자가 많은 콘텐츠를 소비했음을 의미세션(Session)- 사..