반응형
0. 개요
가. 패키지 설치 및 라이브러리 호출
In [16]:
import warnings
# 불필요한 경고 출력을 방지합니다.
warnings.filterwarnings('ignore')
import subprocess
import sys
import pandas as pd
import numpy as np
import pickle
import hashlib
def install(package):
subprocess.check_call([sys.executable, "-m", "pip", "install", package])
install("folium")
install("seaborn")
install("xgboost")
나. 강의 목차
1. 데이터 수집
가. 데이터 암호화
In [17]:
#실습 코드 - 파일을 ansan_data 데이터프레임에 로드하세요. 경로명(aidu환경): 'ansan_data.csv'
ansan_data=pd.read_csv("ansan_data.csv")
In [18]:
#head()로 상위 5개의 데이터를 살펴봅니다.
ansan_data.head()
데이터 전처리
※ 이 데이터는 고객을 식별할 수 없도록 사전에 처리를 거쳤습니다.
hashlib 을 이용한 데이터 암호화
IS, JOIN_SEQ는 암호화가 필요한 항목입니다.
학습데이터는 이미 암호화 되어있으나, 암호화 코드를 실행해보면서 방법을 익힙니다.
In [19]:
#암호화를 위한 함수를 정의합니다.
def encrypt(target):
hashSHA=hashlib.sha256() #SHA256 해시 객체 생성
hashSHA.update(str(target).encode('utf-8')) #해시 값 생성 암호화 대상이 숫자형인 경우에는 문자로 변경해야 한다.
return hashSHA.hexdigest().upper() #해시값 반환
In [20]:
#연습문제 - encrypt 함수를 이용하여 본인 이름을 해쉬값으로 변경하세요
encrypt("성민제")
Out[20]:
'537D30E8C014ECB9EDF5BFED130C18A7C7397A359B416ADAEB2F2C58DB3E0EC0'In [21]:
#실습 코드 - 앞서 만든 encrypt 함수를 적용하여 IS컬럼의 값을 암호화 하세요(.apply 함수를 이용하세요)
ansan_data['IS']=ansan_data['IS'].apply(encrypt)
In [22]:
ansan_data.head()
Out[22]:
DATEISTYPETYPE_DTL상세분류2JOIN_SEQPRODUCTPRODUCT_NMJOIN_DATEC_PERIOD...ROAD_NOROAD_NMBUILDING_NMBUILDING_NO1BUILDING_NO2ROAD_NM_ADDCNTF_ADDRlonlat01234
In [23]:
#실습 코드 - 앞서 만든 encrypt 함수를 적용하여 JOIN_SEQ컬럼의 값을 암호화 하세요(.apply 함수를 이용하세요)
ansan_data['JOIN_SEQ']=ansan_data['JOIN_SEQ'].apply(encrypt)
In [24]:
ansan_data['JOIN_SEQ'].head()
Out[24]:
0 4ECD4C4BA2746463118E9B3E98C4D60E74D460B38B4BA9...
1 4C59FC639891F337F2C8FCE8F16653732306C672DF87C1...
2 708DB4F33C8CE7A1015FA79CDA42220BF52A14723F3ADE...
3 740E839B30A7BFAF81F10654A28423CDE84F6F0747CA3B...
4 936C726D2B538400D09885A481A886ADF9F0D17BC1B4A2...
Name: JOIN_SEQ, dtype: object값이 암호화 되는 것을 확인할 수 있습니다.
In [25]:
ansan_data.head()
Out[25]:
DATEISTYPETYPE_DTL상세분류2JOIN_SEQPRODUCTPRODUCT_NMJOIN_DATEC_PERIOD...ROAD_NOROAD_NMBUILDING_NMBUILDING_NO1BUILDING_NO2ROAD_NM_ADDCNTF_ADDRlonlat01234
나. 주소에 대한 위경도 좌표 수집
지도시각화를 위해서는 주소에 대한 좌표가 필요합니다.
Aidu 환경에서는 api 호출이 불가능하기 때문에 api호출은 실습하지 않습니다.
api로 수집한 데이터를 간단하게 파싱해보는 것만 실습하겠습니다.
In [26]:
with open('json_data.pickle', 'rb') as f:
json_data = pickle.load(f) # 단 한줄씩 읽어옴
In [27]:
json_data[:10]
Out[27]:
[<Response [200]>,
<Response [200]>,
<Response [200]>,
<Response [200]>,
<Response [200]>,
<Response [200]>,
<Response [200]>,
<Response [200]>,
<Response [200]>,
<Response [200]>]<Response [200]> 각각이 json형식을 담고 있습니다.
.json() 함수로 JSON데이터에 접근이 가능합니다.
아래 결과를 보면 [] 리스트와 {} 딕셔너리로 되어있습니다. 즉, index와 key로 접근이 가능합니다.
In [28]:
json_data[0].json()
Out[28]:
- 도로명 주소 가져오기
한단계씩 접근해 봅니다.
In [29]:
json_data[0].json()['documents']
In [14]:
json_data[0].json()['documents'][0]
Out[14]:
In [30]:
json_data[0].json()['documents'][0]['road_address']['address_name']
- 좌표 가져오기
리스트에서 주소와 경도/위도만 가져와서 데이터프레임으로 만들어 줍니다.
I
In [37]:
#실습 코드 - json_data의 첫번째 요소에서 좌표를 출력해보세요(x,y)
json_data[0].json()['documents'][0]['road_address']["x"], json_data[0].json()['documents'][0]['road_address']["y"]
Out[37]:
In [41]:
address_data=pd.DataFrame([])
In [42]:
#실습 코드 - for문을 활용하여 도로명 주소와 주소에 대한 좌표를 읽어서 address_data에 저장하세요
for i in np.arange(len(json_data)):
address_data=address_data.append([(json_data[i].json()['documents'][0]['road_address']['address_name'],
json_data[i].json()['documents'][0]['road_address']['x'],
json_data[i].json()['documents'][0]['road_address']['y'])],
ignore_index=True)
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
<ipython-input-42-3cf2b658be78> in <module>
1 #실습 코드 - for문을 활용하여 도로명 주소와 주소에 대한 좌표를 읽어서 address_data에 저장하세요
2 for i in np.arange(len(json_data)):
----> 3 address_data=address_data.append([(json_data[i].json()['documents'][0]['road_address']['address_name'],
4 json_data[i].json()['documents'][0]['road_address']['x'],
5 json_data[i].json()['documents'][0]['road_address']['y'])],
IndexError: list index out of range에러가 발생합니다. (주소에 대한 위/경도값을 api에서 가져오지 못한 경우)
In [43]:
json_data[18].json()
Out[43]:
{'documents': [],
'meta': {'is_end': True, 'pageable_count': 0, 'total_count': 0}}In [44]:
#실습 코드 - for문과 if문을 활용하여 도로명 주소와 주소에 대한 좌표를 읽어서 address_data에 저장하세요
for i in np.arange(len(json_data)):
if json_data[i].json()['documents']!=[]: #주소가 조회되지 않은 경우가 존재하므로 제외함
address_data = address_data.append([(json_data[i].json()["documents"][0]["road_address"]["address_name"],
json_data[i].json()["documents"][0]["road_address"]["x"],
json_data[i].json()["documents"][0]["road_address"]["y"])],
ignore_index=True)
# 코드를 완성하세요.
In [ ]:
In [46]:
address_data
Out[46]:
01201234...248249250251252
| 경기 안산시 단원구 꽃우물길 27 | 126.821475069242 | 37.353274333416 |
| 경기 안산시 단원구 마조금길 36-11 | 126.582792941775 | 37.2236009338678 |
| 경기 안산시 단원구 선삼로5길 24 | 126.81262087183 | 37.3462208193513 |
| 경기 안산시 단원구 원당길 4-12 | 126.81426060651 | 37.3136263617497 |
253 rows × 3 columns
위와 같이 주소에 대한 좌표를 얻어서 저장할 수 있습니다.
ansan_data의 위경도 좌표는 이렇게 만들어졌습니다.
In [47]:
ansan_data.iloc[:,-3:]
Out[47]:
F_ADDRlonlat01234...177282177283177284177285177286
| 경기도 안산시 도로_300 41 | 126.812665 | 37.306694 |
| 경기도 안산시 도로_135 215 | 126.834569 | 37.311247 |
| 경기도 안산시 도로_124 80 | 126.818370 | 37.305672 |
| 경기도 안산시 도로_139 157 | 126.836629 | 37.305891 |
| 경기도 안산시 도로_364 29 | 126.838281 | 37.326341 |
| ... | ... | ... |
| 경기도 안산시 도로_380 47 | 126.801111 | 37.316470 |
| 경기도 안산시 도로_39 326 | 126.786731 | 37.323545 |
| 경기도 안산시 도로_39 326 | 126.786664 | 37.323128 |
| 경기도 안산시 도로_39 326 | 126.787017 | 37.323861 |
| 경기도 안산시 도로_13 69 | 126.841267 | 37.317351 |
177287 rows × 3 columns
위와 같이 좌표를 얻어서 BIDW데이터에 붙여주었습니다.
아래가 최종 수집된 데이터입니다.
In [49]:
ansan_data.head(3)
Out[49]:
DATEISTYPETYPE_DTL상세분류2JOIN_SEQPRODUCTPRODUCT_NMJOIN_DATEC_PERIOD...ROAD_NOROAD_NMBUILDING_NMBUILDING_NO1BUILDING_NO2ROAD_NM_ADDCNTF_ADDRlonlat012
| 2020-05-11 | 187E67F5E3D6893386AF54D8880752539691211BD52A08... | 개인 | _ | ㆍ값없음 | 4ECD4C4BA2746463118E9B3E98C4D60E74D460B38B4BA9... | 059Z | 내선전화 | 2003-07-19 | ㆍ값없음 | ... | R00050282 | 도로_300 | 아파트1067 | 41 | 0 | |||||
3 rows × 22 columns
※ 컬럼 설명
- DATE : 데이터 생성일자
- IS : 식별번호
- TYPE : 고객 유형
- TYPE_DTL : 상세 분류 코드
- 상세분류2 : 상세 분류 코드 한글명
- JOIN_SEQ: 가입일련번호
- PRODUCT : 상품코드
- PRODUCT_NM : 상품코드 한글명
- JOIN_DATE : 가입일자
- C_PERIOD_DATE : 약정기간
- B_DONG : 법정동
- B_DONG_ADD : 행정구역+법정동
- ROAD_NO : 도로명번호
- ROAD_NM : 도로명
- BUILDING_NM : 건물명
- BUILDING_NO1 : 건물 본번
- BUILDING_NO2 : 건물 부번
- ROAD_NM_ADD : 행정구역+도로명
- CNT : 지표
- F_ADDR : 도로명주소전체
- lon: 경도
- lat: 위도
2. 데이터 전처리
어떤 데이터인지 한번 살펴봅니다.
In [24]:
ansan_data.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 177287 entries, 0 to 177286
Data columns (total 22 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 DATE 177287 non-null object
1 IS 177287 non-null object
2 TYPE 177287 non-null object
3 TYPE_DTL 177287 non-null object
4 상세분류2 177287 non-null object
5 JOIN_SEQ 177287 non-null object
6 PRODUCT 177287 non-null object
7 PRODUCT_NM 177287 non-null object
8 JOIN_DATE 177228 non-null object
9 C_PERIOD 177287 non-null object
10 B_DONG 177287 non-null object
11 B_DONG_ADD 177287 non-null object
12 ROAD_NO 177287 non-null object
13 ROAD_NM 177287 non-null object
14 BUILDING_NM 144578 non-null object
15 BUILDING_NO1 177287 non-null int64
16 BUILDING_NO2 177287 non-null int64
17 ROAD_NM_ADD 177287 non-null object
18 CNT 177287 non-null int64
19 F_ADDR 177287 non-null object
20 lon 177279 non-null float64
21 lat 177279 non-null float64
dtypes: float64(2), int64(3), object(17)
memory usage: 29.8+ MB
가.결측값 제거
JOIN_DATE, lon, lat에 결측치가 존재함을 알수 있습니다. 컬럼별로 아래와 같이 결측치를 처리합니다.
- JOIN_DATE: 사용하지 않을 데이터이므로 열을 지우겠습니다.
- BUILDING_NM : 건물명은 실제로 값이 존재하지 않을 수 있으므로 공란으로 두겠습니다.
- lon, lat : 주소에 좌표가 없는 것은 있을 수 없으므로 해당 행을 삭제하겠습니다.
In [25]:
ansan_data.head()
Out[25]:
DATEISTYPETYPE_DTL상세분류2JOIN_SEQPRODUCTPRODUCT_NMJOIN_DATEC_PERIOD...ROAD_NOROAD_NMBUILDING_NMBUILDING_NO1BUILDING_NO2ROAD_NM_ADDCNTF_ADDRlonlat01234
| 2020-05-11 | 187E67F5E3D6893386AF54D8880752539691211BD52A08... | 개인 | _ | ㆍ값없음 | 4ECD4C4BA2746463118E9B3E98C4D60E74D460B38B4BA9... | 059Z | 내선전화 | 2003-07-19 | ㆍ값없음 | ... | R00050282 | 도로_300 | 아파트1067 | 41 | 0 | 1 | 126.812665 | 37.306694 | ||
| 2020-05-11 | 1BF44EBE97B481D28E3B774E778E0E6406116EFDEC29D3... | 개인 | _ | ㆍ값없음 | 4C59FC639891F337F2C8FCE8F16653732306C672DF87C1... | 059Z | 내선전화 | 2003-07-25 | ㆍ값없음 | ... | R00050210 | 도로_135 | 상가979 | 215 | 0 | 1 | 126.834569 | 37.311247 | ||
| 2020-05-11 | F2AFF7038C1740FD05445CB2E37DB5E116A459DD10BFCF... | 개인 | _ | ㆍ값없음 | 708DB4F33C8CE7A1015FA79CDA42220BF52A14723F3ADE... | 059Z | 내선전화 | 2003-07-28 | ㆍ값없음 | ... | R00050201 | 도로_124 | 아파트1046 | 80 | 0 | 1 | 126.818370 | 37.305672 | ||
| 2020-05-11 | CBECCD2E091BDA7AB2395D8146F3B608FD72B6AEC54319... | 개인 | _ | ㆍ값없음 | 740E839B30A7BFAF81F10654A28423CDE84F6F0747CA3B... | 059Z | 내선전화 | 2003-07-30 | ㆍ값없음 | ... | R00050252 | 도로_139 | 상가984 | 157 | 0 | 1 | 126.836629 | 37.305891 | ||
| 2020-05-11 | D6E56F9244AA80E03C48DD42AC0CE106CB353CFEC5CBFA... | 개인 | _ | ㆍ값없음 | 936C726D2B538400D09885A481A886ADF9F0D17BC1B4A2... | 059Z | 내선전화 | 2003-08-04 | ㆍ값없음 | ... | R00050219 | 도로_364 | 아파트1055 | 29 | 0 | 1 | 126.838281 | 37.326341 |
5 rows × 22 columns
i) JOIN_DATE 열을 삭제합니다.
결측치 제거하는 김에 불필요한 컬럼도 함께 삭제하겠습니다.('JOIN_DATE','DATE','C_PERIOD','B_DONG','B_DONG_ADD','ROAD_NM_ADD','CNT')
In [51]:
#실습 코드 - 'JOIN_DATE','DATE','C_PERIOD','B_DONG','B_DONG_ADD','ROAD_NM_ADD','CNT' 열을 삭제하세요 (.drop()을 사용하세요.)
ansan_data.drop(['JOIN_DATE','DATE','C_PERIOD','B_DONG','B_DONG_ADD','ROAD_NM_ADD','CNT'] ,axis=1,inplace=True)
ii) BUILDING_NM 열은 공란으로 둡니다.
In [54]:
#실습 코드 - BUILDING_NM 열의 NaN값을 확인합니다. (.isna()를 사용하세요.)
ansan_data["BUILDING_NM"].isna().sum()
#코드를 완성하세요.
Out[54]:
32709BUILDING_NM에 NaN이 들어가 있는 것이 보입니다. ""로 값을 변경합니다.
In [55]:
#실습 코드 - NaN을 공란으로 바꿔줍니다. (.fillna()를 사용하세요)
ansan_data['BUILDING_NM'].fillna("",inplace=True )
In [56]:
ansan_data[ansan_data['BUILDING_NM'].isna()]
Out[56]:
ISTYPETYPE_DTL상세분류2JOIN_SEQPRODUCTPRODUCT_NMROAD_NOROAD_NMBUILDING_NMBUILDING_NO1BUILDING_NO2F_ADDRlonlat
결측값이 사라졌습니다.
iii) lon, lat은 결측값이 있는 행을 삭제합니다.
In [57]:
#실습 코드 - 결측값이 있는 행을 삭제합니다.(.dropna() 를 사용하세요)
ansan_data.dropna(axis=0,inplace=True)
In [58]:
ansan_data.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 177279 entries, 0 to 177286
Data columns (total 15 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 IS 177279 non-null object
1 TYPE 177279 non-null object
2 TYPE_DTL 177279 non-null object
3 상세분류2 177279 non-null object
4 JOIN_SEQ 177279 non-null object
5 PRODUCT 177279 non-null object
6 PRODUCT_NM 177279 non-null object
7 ROAD_NO 177279 non-null object
8 ROAD_NM 177279 non-null object
9 BUILDING_NM 177279 non-null object
10 BUILDING_NO1 177279 non-null int64
11 BUILDING_NO2 177279 non-null int64
12 F_ADDR 177279 non-null object
13 lon 177279 non-null float64
14 lat 177279 non-null float64
dtypes: float64(2), int64(2), object(11)
memory usage: 21.6+ MB
이제 모든 결측치가 모두 사라졌습니다.
나. 중복 제거
데이터를 삭제한 경우 중복이 발생할 수 있습니다.
In [59]:
#실습 코드 - 데이터프레임의 중복을 제거합니다.(drop_duplicates()를 사용하세요)
ansan_data.drop_duplicates(inplace=True)
In [60]:
ansan_data.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 177279 entries, 0 to 177286
Data columns (total 15 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 IS 177279 non-null object
1 TYPE 177279 non-null object
2 TYPE_DTL 177279 non-null object
3 상세분류2 177279 non-null object
4 JOIN_SEQ 177279 non-null object
5 PRODUCT 177279 non-null object
6 PRODUCT_NM 177279 non-null object
7 ROAD_NO 177279 non-null object
8 ROAD_NM 177279 non-null object
9 BUILDING_NM 177279 non-null object
10 BUILDING_NO1 177279 non-null int64
11 BUILDING_NO2 177279 non-null int64
12 F_ADDR 177279 non-null object
13 lon 177279 non-null float64
14 lat 177279 non-null float64
dtypes: float64(2), int64(2), object(11)
memory usage: 21.6+ MB
중복이 존재하지 않습니다.
다. 컬럼명 변경.
한글로된 컬럼명을 영어로 변경합니다.
In [63]:
#실습 코드 - 상세분류2 --> TYPE_DTL_NM로 컬럼명을 변경합니다.rename 함수를 이용하세요. 입력값은 {변경전컬럼명,변경후컬럼명} 이며, axis=1 옵션을 주어야 합니다.
ansan_data=ansan_data.rename(columns = {"상세분류2":"TYPE_DTL_NM"})
In [64]:
ansan_data
Out[64]:
ISTYPETYPE_DTLTYPE_DTL_NMJOIN_SEQPRODUCTPRODUCT_NMROAD_NOROAD_NMBUILDING_NMBUILDING_NO1BUILDING_NO2F_ADDRlonlat01234...177282177283177284177285177286
| 187E67F5E3D6893386AF54D8880752539691211BD52A08... | 개인 | _ | ㆍ값없음 | 4ECD4C4BA2746463118E9B3E98C4D60E74D460B38B4BA9... | 059Z | 내선전화 | R00050282 | 41 | 0 | 126.812665 | 37.306694 | |||
| 1BF44EBE97B481D28E3B774E778E0E6406116EFDEC29D3... | 개인 | _ | ㆍ값없음 | 4C59FC639891F337F2C8FCE8F16653732306C672DF87C1... | 059Z | 내선전화 | R00050210 | 215 | 0 | 126.834569 | 37.311247 | |||
| F2AFF7038C1740FD05445CB2E37DB5E116A459DD10BFCF... | 개인 | _ | ㆍ값없음 | 708DB4F33C8CE7A1015FA79CDA42220BF52A14723F3ADE... | 059Z | 내선전화 | R00050201 | 80 | 0 | 126.818370 | 37.305672 | |||
| CBECCD2E091BDA7AB2395D8146F3B608FD72B6AEC54319... | 개인 | _ | ㆍ값없음 | 740E839B30A7BFAF81F10654A28423CDE84F6F0747CA3B... | 059Z | 내선전화 | R00050252 | 157 | 0 | 126.836629 | 37.305891 | |||
| D6E56F9244AA80E03C48DD42AC0CE106CB353CFEC5CBFA... | 개인 | _ | ㆍ값없음 | 936C726D2B538400D09885A481A886ADF9F0D17BC1B4A2... | 059Z | 내선전화 | R00050219 | 29 | 0 | 126.838281 | 37.326341 | |||
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | |||
| D57D266B1D0A4A5C94CCCC46B37AFB6ABD92CF614E0F41... | 개인사업자 | 90029 | 가치 | CC9A47350AD7B49AEA972F5FACAD1409A24412CC8D91D3... | 0V2101 | biz_인터넷전화_A | R00050226 | 47 | 0 | 126.801111 | 37.316470 | |||
| 11089D77B49DFE8070D277046F9E85F89169598C99A8F6... | 개인 | 10003 | MASS | 8C6CC1EB8DAE63629739503738A7C66B1E07A5F6520CCD... | 0501 | 일반전화 | R00050199 | 326 | 0 | 126.786731 | 37.323545 | |||
| 9B3AA16230A5AFC064816A7849993340B1FA61D5ABB479... | 개인 | 10003 | MASS | F267C5BD0AB55EA7D25A9EC2D47FBEB14CFC7F39ED27FD... | 088M01 | 인터넷_A | R00050199 | 326 | 0 | 126.786664 | 37.323128 | |||
| 1AB4BD42ED3CE52CE539BBA55C2F06E2F25AF0222BA5F8... | 개인 | 10003 | MASS | D3D10D98C705895D3C54483265CB0D8B8ED7B87BE2866F... | 2PH601 | IPTV_A | R00050199 | 326 | 0 | 126.787017 | 37.323861 | |||
| 272CF87992C562F626E0DCF2EEA15B2EE3404BFED94079... | 개인 | 10003 | MASS | 8393029F081E3E42261F2ED82EA8FA1745EA94960F4E3F... | 088L01 | 인터넷_E | R00050331 | 69 | 0 | 126.841267 | 37.317351 |
177279 rows × 15 columns
라.Feature Engineering
i) Domain지식 - 데이터 삭제
- 059Z-내선전화는 요금을 납부하지 않으며, 모회선에 종속되어 세금계산서 발급 대상이 아니므로 제외합니다.
In [36]:
#실습 코드 PRODUCT가 '059Z'인 데이터를 삭제합니다. ('059Z'가 아닌 데이터만 가져옵니다)
ansan_data=ansan_data.loc[(ansan_data['PRODUCT']!='059Z')]
In [37]:
ansan_data.head(3)
Out[37]:
ISTYPETYPE_DTLTYPE_DTL_NMJOIN_SEQPRODUCTPRODUCT_NMROAD_NOROAD_NMBUILDING_NMBUILDING_NO1BUILDING_NO2F_ADDRlonlat210012100221003
| 2403D35D92928C792A2BE8391283EF704E9E7652F7D23A... | 개인사업자 | 10019 | 가치 | 8BBB8E2A3A4BAAFA74413364738AF067A00B2EFC4BF9A4... | 088M01 | 인터넷_A | R00050230 | 도로_395 | 65 | 0 | 126.738316 | 37.319408 | ||
| 3A985D28A2D0655B534E6C479D076BA860CC1E0A6AA858... | 개인사업자 | 10019 | 가치 | 5956A41EAD4F67FC5BA589790334CEE2207CF5FAAEAEF9... | 0V0201 | 인터넷전화_A | R00050230 | 도로_395 | 65 | 0 | 126.739371 | 37.318065 | ||
| 29A2442FCF593EA28A6A0BCD2B6B13A938180232B8B337... | 개인사업자 | 10019 | 가치 | B96DDD5726D3DBFFFD50CA743C2B9147AC56B15038ECB3... | 0501 | 일반전화 | R00050230 | 도로_395 | 65 | 0 | 126.738734 | 37.318752 |
ii) Domain지식 - 데이터 수정
- 유형별 데이터를 살펴봅니다.
In [65]:
#실습 코드 - TYPE과 TYPE_DTL_NM을 .groupby() 함수를 이용해서 살펴봅니다. > count() 사용
pd.DataFrame(ansan_data.groupby(["TYPE","TYPE_DTL_NM"])['IS'].count())
Out[65]:
ISTYPETYPE_DTL_NM개인AMAPTCOREMASSㆍ값없음가치법인개인사업자AMAPTCOREMASS가치법인공공기관AMCOREMASS가치법인기타가치법인사업자AMAPTCOREMASS가치법인정식단체AMCORE가치법인
| 826 |
| 42223 |
| 1088 |
| 18081 |
| 19169 |
| 20571 |
| 98 |
| 5 |
| 10 |
| 554 |
| 112 |
| 15993 |
| 306 |
| 56 |
| 6536 |
| 1 |
| 12 |
| 95 |
| 1 |
| 9704 |
| 9 |
| 16349 |
| 14 |
| 8748 |
| 14779 |
| 5 |
| 640 |
| 38 |
| 1256 |
- TYPE은 개인/개인사업자/공공기관/기타/법인사업자/정식단체로 분류되는데, 공공기관/기타/법인사업자/정식단체는 구분하는 것이 의미가 없으므로 "법인"으로 통합합니다.
In [66]:
ansan_data.loc[(ansan_data['TYPE']=='공공기관')|
(ansan_data['TYPE']=='기타') |
(ansan_data['TYPE']=='법인사업자')|
(ansan_data['TYPE']=='정식단체'),'TYPE']
Out[66]:
21014 법인사업자
21027 법인사업자
21028 법인사업자
21029 법인사업자
21030 법인사업자
...
177272 법인사업자
177273 법인사업자
177277 법인사업자
177278 법인사업자
177279 법인사업자
Name: TYPE, Length: 58243, dtype: objectIn [67]:
ansan_data.loc[(ansan_data['TYPE']=='공공기관')|
(ansan_data['TYPE']=='기타') |
(ansan_data['TYPE']=='법인사업자')|
(ansan_data['TYPE']=='정식단체'),'TYPE'] = '법인'
- 명의자(TYPE)는 개인이지만, 실제로는 사업자가 연결되어있을 수 있습니다. 고객세부유형을 보면, 가치/AM/CORE/법인은 실제로는 사업자일 것입니다. 실제 데이터를 살펴보면, "가치"는 개인사업자이고, AM/CORE도 기업의 입점업체이거나, 지점으로 개인사업자일 것으로 보이므로, 해당 건들을 전부 개인사업자로 변경하겠습니다.
※고객 세부유형의 의미: MASS(일반개인고객)/ 가치(소상공인) / AM(대기업) /CORE(중견기업) / 법인(미분류 법인)
In [68]:
#실습 코드 - 앞의 코드를 사용하여 TYPE이 '개인'이면서 TYPE_DTL_NM이 'AM','CORE','가치','법인'인 경우 '개인사업자'로 변경해줍니다.
ansan_data.loc[(ansan_data["TYPE"] == "개인")
& ((ansan_data['TYPE_DTL_NM']=='AM')
|(ansan_data['TYPE_DTL_NM']=='CORE')
|(ansan_data['TYPE_DTL_NM']=='가치')
|(ansan_data['TYPE_DTL_NM']=='법인')),'TYPE'] = '개인사업자'
- TYPE_DTL_NM 이 ㆍ값없음 인 경우도 살펴보겠습니다.
BUILDING_NM을 보니 개인사업자입니다. 개인사업자로 변경하겠습니다.
In [70]:
ansan_data.loc[ansan_data['TYPE_DTL_NM']=='ㆍ값없음']
Out[70]:
ISTYPETYPE_DTLTYPE_DTL_NMJOIN_SEQPRODUCTPRODUCT_NMROAD_NOROAD_NMBUILDING_NMBUILDING_NO1BUILDING_NO2F_ADDRlonlat01234...1916419165191664889048891
| 187E67F5E3D6893386AF54D8880752539691211BD52A08... | 개인 | _ | ㆍ값없음 | 4ECD4C4BA2746463118E9B3E98C4D60E74D460B38B4BA9... | 059Z | 내선전화 | R00050282 | 41 | 0 | 126.812665 | 37.306694 | |||
| 1BF44EBE97B481D28E3B774E778E0E6406116EFDEC29D3... | 개인 | _ | ㆍ값없음 | 4C59FC639891F337F2C8FCE8F16653732306C672DF87C1... | 059Z | 내선전화 | R00050210 | 215 | 0 | 126.834569 | 37.311247 | |||
| F2AFF7038C1740FD05445CB2E37DB5E116A459DD10BFCF... | 개인 | _ | ㆍ값없음 | 708DB4F33C8CE7A1015FA79CDA42220BF52A14723F3ADE... | 059Z | 내선전화 | R00050201 | 80 | 0 | 126.818370 | 37.305672 | |||
| CBECCD2E091BDA7AB2395D8146F3B608FD72B6AEC54319... | 개인 | _ | ㆍ값없음 | 740E839B30A7BFAF81F10654A28423CDE84F6F0747CA3B... | 059Z | 내선전화 | R00050252 | 157 | 0 | 126.836629 | 37.305891 | |||
| D6E56F9244AA80E03C48DD42AC0CE106CB353CFEC5CBFA... | 개인 | _ | ㆍ값없음 | 936C726D2B538400D09885A481A886ADF9F0D17BC1B4A2... | 059Z | 내선전화 | R00050219 | 29 | 0 | 126.838281 | 37.326341 | |||
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | |||
| 970FE6C3311886B570B67ABBED6FF32B6025A1594B920B... | 개인 | _ | ㆍ값없음 | 516D03DF33AF3E723D2288FDAAC53EEE30C8DA18E532FF... | 059Z | 내선전화 | R00050268 | 49 | 0 | 126.811308 | 37.303106 | |||
| A49DCE9AC6AB3E3013F7C2CC9B2A1D9F07A1A793C43EF4... | 개인 | _ | ㆍ값없음 | F50CF2DEF9D1449EC91BFB6D4E0D86CFBA6B4E13003CBB... | 059Z | 내선전화 | R00050210 | 245 | 0 | 126.837719 | 37.311212 | |||
| C5048D7B1F232A7FF919D0893746DFBC9DC48F55F95D09... | 개인 | _ | ㆍ값없음 | 5E6A68690AB43507B80C89C22F5D4F088CA87F7EE66171... | 059Z | 내선전화 | R00050212 | 45 | 0 | 126.825612 | 37.309489 | |||
| B359AA8A0C05054D60A12D15B8DAB421731B8442658270... | 개인 | _ | ㆍ값없음 | D20A733ACE41147B1B4D0764E94C0E05353C321435C67E... | 088M01 | 인터넷_A | R00050332 | 38 | 0 | 126.834456 | 37.316762 | |||
| 7D9DF6E18137AD4927E9DABC461F5BAF039CA7E99C71C5... | 개인 | _ | ㆍ값없음 | 06FAF031F8C8C5A1555CE0E656D701F60829A37DCA295A... | 2PHA01 | IPTV_B | R00050332 | 38 | 0 | 126.835585 | 37.317674 |
19169 rows × 15 columns
In [71]:
#실습 코드 - TYPE이 '개인'이면서(&) TYPE_DTL_NM이 '값없음'인 경우 개인사업자로 변경합니다.
ansan_data.loc[(ansan_data["TYPE"] == "개인") & (ansan_data["TYPE_DTL_NM"]=='ㆍ값없음'),'TYPE']='개인사업자'
In [72]:
ansan_data.loc[ansan_data['TYPE_DTL_NM']=='ㆍ값없음']
Out[72]:
ISTYPETYPE_DTLTYPE_DTL_NMJOIN_SEQPRODUCTPRODUCT_NMROAD_NOROAD_NMBUILDING_NMBUILDING_NO1BUILDING_NO2F_ADDRlonlat01234...1916419165191664889048891
| 187E67F5E3D6893386AF54D8880752539691211BD52A08... | 개인사업자 | _ | ㆍ값없음 | 4ECD4C4BA2746463118E9B3E98C4D60E74D460B38B4BA9... | 059Z | 내선전화 | R00050282 | 41 | 0 | 126.812665 | 37.306694 | |||
| 1BF44EBE97B481D28E3B774E778E0E6406116EFDEC29D3... | 개인사업자 | _ | ㆍ값없음 | 4C59FC639891F337F2C8FCE8F16653732306C672DF87C1... | 059Z | 내선전화 | R00050210 | 215 | 0 | 126.834569 | 37.311247 | |||
| F2AFF7038C1740FD05445CB2E37DB5E116A459DD10BFCF... | 개인사업자 | _ | ㆍ값없음 | 708DB4F33C8CE7A1015FA79CDA42220BF52A14723F3ADE... | 059Z | 내선전화 | R00050201 | 80 | 0 | 126.818370 | 37.305672 | |||
| CBECCD2E091BDA7AB2395D8146F3B608FD72B6AEC54319... | 개인사업자 | _ | ㆍ값없음 | 740E839B30A7BFAF81F10654A28423CDE84F6F0747CA3B... | 059Z | 내선전화 | R00050252 | 157 | 0 | 126.836629 | 37.305891 | |||
| D6E56F9244AA80E03C48DD42AC0CE106CB353CFEC5CBFA... | 개인사업자 | _ | ㆍ값없음 | 936C726D2B538400D09885A481A886ADF9F0D17BC1B4A2... | 059Z | 내선전화 | R00050219 | 29 | 0 | 126.838281 | 37.326341 | |||
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | |||
| 970FE6C3311886B570B67ABBED6FF32B6025A1594B920B... | 개인사업자 | _ | ㆍ값없음 | 516D03DF33AF3E723D2288FDAAC53EEE30C8DA18E532FF... | 059Z | 내선전화 | R00050268 | 49 | 0 | 126.811308 | 37.303106 | |||
| A49DCE9AC6AB3E3013F7C2CC9B2A1D9F07A1A793C43EF4... | 개인사업자 | _ | ㆍ값없음 | F50CF2DEF9D1449EC91BFB6D4E0D86CFBA6B4E13003CBB... | 059Z | 내선전화 | R00050210 | 245 | 0 | 126.837719 | 37.311212 | |||
| C5048D7B1F232A7FF919D0893746DFBC9DC48F55F95D09... | 개인사업자 | _ | ㆍ값없음 | 5E6A68690AB43507B80C89C22F5D4F088CA87F7EE66171... | 059Z | 내선전화 | R00050212 | 45 | 0 | 126.825612 | 37.309489 | |||
| B359AA8A0C05054D60A12D15B8DAB421731B8442658270... | 개인사업자 | _ | ㆍ값없음 | D20A733ACE41147B1B4D0764E94C0E05353C321435C67E... | 088M01 | 인터넷_A | R00050332 | 38 | 0 | 126.834456 | 37.316762 | |||
| 7D9DF6E18137AD4927E9DABC461F5BAF039CA7E99C71C5... | 개인사업자 | _ | ㆍ값없음 | 06FAF031F8C8C5A1555CE0E656D701F60829A37DCA295A... | 2PHA01 | IPTV_B | R00050332 | 38 | 0 | 126.835585 | 37.317674 |
19169 rows × 15 columns
- 삭제된 데이터가 있으니 index를 리셋합니다.
In [73]:
#실습 코드 - index를 리셋하세요
ansan_data.reset_index(drop=True,inplace=True)
- 전처리가 완료되었습니다.
In [74]:
ansan_data.groupby('TYPE')['IS'].count()
Out[74]:
TYPE
개인 60304
개인사업자 58732
법인 58243
Name: IS, dtype: int64마.데이터 저장
In [75]:
#실습 코드 - to_csv 함수를 이용하여 ansan_data 를 CSV파일로 저장합니다. 경로명: 'ansan_data_pre.csv'
ansan_data.to_csv('ansan_data_pre.csv')3. 데이터 시각화
가. Seaborn Barplot을 통한 탐색
- seaborn으로 barplot을 그려서 상품의 분포를 탐색해보겠습니다.
i) 한글 폰트 설정
In [76]:
from matplotlib import pyplot as plt
import seaborn as sns
In [77]:
import matplotlib.font_manager as fm
어떤 폰트가 설치되어있는지 확인합니다.
In [78]:
fm.get_fontconfig_fonts()
Out[78]:
['/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf',
'/usr/share/fonts/truetype/nanum/NanumGothicCoding-Bold.ttf',
'/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf',
'/usr/share/fonts/truetype/dejavu/DejaVuSansMono-Bold.ttf',
'/usr/share/fonts/truetype/dejavu/DejaVuSerif-Bold.ttf',
'/usr/share/fonts/truetype/nanum/NanumGothicCoding.ttf',
'/usr/share/fonts/truetype/dejavu/DejaVuSerif.ttf',
'/usr/share/fonts/truetype/dejavu/DejaVuSansMono.ttf']NanumGothicCoding이라는 폰트를 쓰겠습니다.
In [79]:
plt.rc('font',family = 'NanumGothicCoding')
캔버스 사이즈도 키워줍니다.
In [80]:
plt.rcParams["figure.figsize"]=(12,9)
ii) barplot
- 고객유형과 상품별로 groupby를 해봅니다.
In [81]:
pd.DataFrame(ansan_data.groupby(['TYPE','PRODUCT_NM'])['PRODUCT'].count()).sort_values(by=['TYPE','PRODUCT'],
ascending=False)
Out[81]:
PRODUCTTYPEPRODUCT_NM법인biz_일반전화_A일반전화전용회선_Abiz_인터넷전화_Bbiz_일반전화_B......개인상품_38상품_40상품_45상품_49상품_81
| 18810 |
| 8716 |
| 4848 |
| 3994 |
| 3706 |
| ... |
| 1 |
| 1 |
| 1 |
| 1 |
| 1 |
414 rows × 1 columns
In [89]:
#실습 코드 - TYPE과 PRODUCT_NM기준으로 groupby 하고, type과 product 값 기준으로 내림차순 정렬(sort_values), index는 리셋 하세요(reset_index)
prod_stat=pd.DataFrame(ansan_data.groupby(["TYPE","PRODUCT_NM"])['PRODUCT'].count()).sort_values(by=["TYPE","PRODUCT"],
ascending=False).reset_index()
prod_stat
Out[89]:
TYPEPRODUCT_NMPRODUCT01234...409410411412413
| 법인 | biz_일반전화_A | 18810 |
| 법인 | 일반전화 | 8716 |
| 법인 | 전용회선_A | 4848 |
| 법인 | biz_인터넷전화_B | 3994 |
| 법인 | biz_일반전화_B | 3706 |
| ... | ... | ... |
| 개인 | 상품_38 | 1 |
| 개인 | 상품_40 | 1 |
| 개인 | 상품_45 | 1 |
| 개인 | 상품_49 | 1 |
| 개인 | 상품_81 | 1 |
414 rows × 3 columns
- 고객/상품별 건수가 컬럼명이 PRODUCT이니 혼동이 옵니다. 컬럼명을 변경해주겠습니다.
In [90]:
prod_stat = prod_stat.rename(columns={'PRODUCT':'CNT'})
prod_stat
Out[90]:
TYPEPRODUCT_NMCNT01234...409410411412413
| 법인 | biz_일반전화_A | 18810 |
| 법인 | 일반전화 | 8716 |
| 법인 | 전용회선_A | 4848 |
| 법인 | biz_인터넷전화_B | 3994 |
| 법인 | biz_일반전화_B | 3706 |
| ... | ... | ... |
| 개인 | 상품_38 | 1 |
| 개인 | 상품_40 | 1 |
| 개인 | 상품_45 | 1 |
| 개인 | 상품_49 | 1 |
| 개인 | 상품_81 | 1 |
414 rows × 3 columns
- seaborn.barplot Parameters
x, y: x축, y축이 되는 feature를 넣어줍니다.
data : 그래프를 그릴 데이터
- subplot(m,n,p): m행 n열로 그래프를 배치합니다. p는 mxn 그리드 중 현재 그리는 그래프의 위치를 의미합니다.
In [118]:
#실습 코드 - x축은 PRODUCT_NM, y축은 CNT가 되도록 개인, 개인사업자, 법인에 대하여 barplot 그래프를 그리세요.
i=1
for c_type in ['개인','개인사업자','법인']:
plt.subplot(3,1,i)
graph_data=prod_stat[prod_stat['TYPE']==c_type]
#barplot을 그리세요.#
sns.barplot(x="PRODUCT_NM" ,y="CNT", data=graph_data)
i=i+1
plt.show()
상품이 매우 많다는 것만 알겠습니다. 조금씩 고쳐보겠습니다.
iii) 상품 통합
상품이 너무 많으니, 비중이 작은 상품을 하나로 묶어서 "기타 상품"으로 처리하겠습니다.
상품명을 기타함수로 변경하는 함수를 정의합니다.
In [92]:
#대상이 되는 Dataframe과 기타상품을 구분하는 임계값을 입력으로 받습니다.
def etctoetc(df,threshold):
total_cnt = df['CNT'].sum()
cnt=0
for n in df.index:
cnt=cnt+df.loc[n,'CNT'] #루프를 돌때마다 cnt의 값을 PRODUCT만큼 증가시킴
if(cnt > total_cnt*threshold): #cnt의 값이 total_cnt*threshold보다 크면
df.loc[n:,'PRODUCT_NM'] = '기타상품' #n번 인덱스 이후의 PRODUCT_NM을 '기타상품'으로 상품명을 변경
break
#기타상품으로 변경된 상품을 하나로 합쳐줌
df = pd.DataFrame(df.groupby(['TYPE','PRODUCT_NM'])['CNT'].sum()).reset_index()
#데이터를 정렬할 때 기타상품이 가장 뒤에 오도록 수정
df2 = df.loc[df['PRODUCT_NM']=='기타상품',:]
df3 = df.loc[df['PRODUCT_NM']!='기타상품',:].sort_values(by=['CNT'], ascending=False)
df4= pd.concat([df3,df2],sort=False).reset_index(drop=True)
return df4
위 함수를 적용해서 다시 그려보겠습니다.
In [93]:
#실습 코드 - x축은 PRODUCT_NM, y축은 CNT가 되도록 개인, 개인사업자, 법인에 대하여 barplot 그래프를 그리세요.
i=1
for c_type in ['개인','개인사업자','법인']:
plt.subplot(3,1,i)
graph_data=etctoetc(prod_stat[prod_stat['TYPE']==c_type],0.9)
sns.barplot(x="PRODUCT_NM" ,y="CNT", data=graph_data)
i=i+1
plt.show()
iv) 그래프 수정
- 상품명이 겹쳐보입니다. 이럴 때는 가로 그래프로 그리면 됩니다.
- 간격이 좁습니다. 조금 그래프를 키우겠습니다.
- title 추가합니다.
In [95]:
#실습 코드 - y축은 PRODUCT_NM, x축은 CNT가 되도록 개인, 개인사업자, 법인에 대하여 barplot 그래프를 그리세요.
plt.rcParams["figure.figsize"]=(12,15)
i=1
for c_type in ['개인','개인사업자','법인']:
plt.subplot(3,1,i)
plt.title(c_type+' 주요 사용 상품')
graph_data=etctoetc(prod_stat[prod_stat['TYPE']==c_type],0.9)
#barplot을 그리세요.#
sns.barplot(x="PRODUCT_NM" ,y="CNT", data=graph_data)
i=i+1
plt.show()
개인은 Mass상품, 개인사업자는 Biz 상품과 Mass상품 혼용, 법인은 Biz 상품 위주로 사용하여
고객유형 별로 사용하는 상품에 차이가 있음을 확인할 수 있습니다.
나. Folium을 이용한 지도시각화
이제 우리가 가진 데이터를 지도위에 올려보겠습니다.
i) Folium 기초
일단 지도를 불러와야 합니다.
지도는 folium 패키지를 사용하여 불러오겠습니다. (google/kakao/naver/공공 API에서 지도를 불러올 수도 있겠지만, Aidu에서 외부연동이 불가능합니다.)
In [96]:
import folium
지도의 중심점을 위경도 좌표로 지정하고, 지도의 배율을 지정하겠습니다. (작을 수록 저배율) 우리가 가진 데이터의 기술통계를 살펴보고, 위도(lat)와 경도(lon)의 평균값을 지도의 중심점으로 삼고, 지도의 배율은 14로 하겠습니다.
In [97]:
ansan_data.describe()
Out[97]:
BUILDING_NO1BUILDING_NO2lonlatcountmeanstdmin25%50%75%max
| 177279.000000 | 177279.000000 | 177279.000000 | 177279.000000 |
| 147.501768 | 0.618827 | 126.807102 | 37.318794 |
| 199.578856 | 3.144173 | 0.033800 | 0.013132 |
| 1.000000 | 0.000000 | 126.344671 | 37.110933 |
| 32.000000 | 0.000000 | 126.790920 | 37.310979 |
| 80.000000 | 0.000000 | 126.813747 | 37.318522 |
| 171.000000 | 0.000000 | 126.829125 | 37.326330 |
| 4933.000000 | 90.000000 | 127.259800 | 37.407577 |
- 아래와 같이 지도의 중심점을 설정하면, 안산시 단원구 지도가 나오는 것을 볼수 있습니다.
In [102]:
f_lon=126.813232
f_lat=37.318579
Parameters
location(tuple or list, default None) – 위도, 경도로 지도의 중심점을 지정합니다.
zoom_start (int, default 10) – 지도의 배율 지정, 숫자가 커질수록 배율이 낮음
#실습 코드 - 지도를 그리세요 (구글 지도에서 본인이 살고 있는 집 주소를 검색하고 좌표를 찾아서 지도에 띄워 보세요(구글맵 이용))
map = folium.Map(location=[f_lat,f_lon],default=5)
map
folium 패키지는 기존적으로 Open Street Map 기반이지만, Stamen Terrain’, ‘Stamen Toner’, ‘Mapbox Bright’, 와 ‘Mapbox Control room tiles’ 형식을 지정할 수 있습니다.
(Mapbox 의 경우에는 API key가 필요)
In [119]:
map_ST = folium.Map(location=[f_lat,f_lon], zoom_start=14, tiles='Stamen Terrain')
In [120]:
map_ST
ii) 지도위에 데이터 올리기
우리는 다양한 지도중에서도 HeatMap을 사용합니다.
Heatmap은 아래와 같이 데이터의 밀도와 분포를 표현하는데 적합합니다
from folium.plugins import HeatMap
개인/개인사업자/법인으로 구분합니다.
In [122]:
ansan_map_1=ansan_data.loc[ansan_data['TYPE']=='개인',:]
ansan_map_2=ansan_data.loc[ansan_data['TYPE']=='개인사업자',:]
ansan_map_3=ansan_data.loc[ansan_data['TYPE']=='법인',:]
Parameter
data (list of points of the form [lat, lng] or [lat, lng, weight]) - numpy.array 또는 list로 입력
min_opacity (default 1.) – 불투명도
max_zoom (default 18) – 최대 밀도에 도달하는 Zoom 레벨
radius (int, default 25) – 포인트의 반경
- 개인의 분포를 확인합니다.
In [123]:
heat_data=np.array([ansan_map_1['lat'],ansan_map_1['lon']])
heat_data=heat_data.transpose() #array의 행열 전환
In [124]:
heat_data
Out[124]:
array([[ 37.32558955, 126.82132713],
[ 37.31990483, 126.83285282],
[ 37.31900046, 126.83144718],
...,
[ 37.32312757, 126.78666357],
[ 37.32386146, 126.78701723],
[ 37.31735054, 126.84126659]])In [132]:
map = folium.Map(location=[f_lat,f_lon], zoom_start=13)
HeatMap(heat_data,min_opacity=0.2,max_val=1,max_zoom=25,radius=25).add_to(map)
Out[132]:
<folium.plugins.heat_map.HeatMap at 0x7fec18fc7e80>In [126]:
map
개인은 아파트단지 등 주택지역에 많이 분포하는 것을 볼수 있습니다.
- 개인사업자의 분포를 확인합니다
In [133]:
#실습 코드 - 개인에 대해 지도에 heatmap을 그렸던 코드를 참고하여 개인사업자의 데이터를 만듭니다.
heat_data=np.array([ansan_map_2['lat'],ansan_map_2['lon']])
heat_data=heat_data.transpose() #array의 행열 전환
In [134]:
#실습 코드 - 개인에 대해 지도에 heatmap을 그렸던 코드를 참고하여 개인사업자의 분포를 표시합니다.
map = folium.Map(location=[f_lat,f_lon], zoom_start=13)
HeatMap(heat_data,min_opacity=0.2,max_val=1,max_zoom=25,radius=25).add_to(map)
Out[134]:
<folium.plugins.heat_map.HeatMap at 0x7fec18a1f0b8>In [129]:
map
- 법인의 분포를 확인합니다
In [135]:
#실습 코드 - 개인에 대해 지도에 heatmap을 그렸던 코드를 참고하여 법인의 데이터를 만듭니다.
heat_data=np.array([ansan_map_3['lat'],ansan_map_3['lon']])
heat_data=heat_data.transpose() #array의 행열 전환
In [136]:
#실습 코드 - 개인에 대해 지도에 heatmap을 그렸던 코드를 참고하여 법인의 분포를 표시합니다.
map = folium.Map(location=[f_lat,f_lon], zoom_start=13)
HeatMap(heat_data,min_opacity=0.2,max_val=1,max_zoom=25,radius=25).add_to(map)
Out[136]:
<folium.plugins.heat_map.HeatMap at 0x7fec18fb6588>In [137]:
map
4. 모델링
가. Train/Test 데이터 분할
학습에 사용할 데이터만 남기겠습니다.
In [138]:
ansan_data_T=ansan_data.loc[:,['TYPE','PRODUCT_NM','ROAD_NM','BUILDING_NO1','BUILDING_NO2']]
ansan_data_T.head()
Out[138]:
TYPEPRODUCT_NMROAD_NMBUILDING_NO1BUILDING_NO201234
| 개인사업자 | 내선전화 | 도로_300 | 41 | 0 |
| 개인사업자 | 내선전화 | 도로_135 | 215 | 0 |
| 개인사업자 | 내선전화 | 도로_124 | 80 | 0 |
| 개인사업자 | 내선전화 | 도로_139 | 157 | 0 |
| 개인사업자 | 내선전화 | 도로_364 | 29 | 0 |
데이터를 학습에 사용할 데이터와 예측을 위한 데이터로 나누겠습니다.
데이터를 분할 할 때는 Pandas의 sample함수를 이용해서 Train 셋과 Test 셋을 9:1로 분리하겠습니다.
※ 원칙적으로 학습에 사용할 데이터와 예측을 위한 데이터는 전처리 전에 분리해야 합니다.
강의에서 전처리 후에 데이터를 분할한 것은 학습의 편의를 위해서입니다.
In [139]:
#Train set의 크기 계산
N=int(len(ansan_data_T) * 0.9)
In [140]:
#sample 함수를 이용해 Train_set을 분리하여 저장
train_data=ansan_data_T.sample(n=N)
In [ ]:
In [141]:
#Train_set을 제외한 나머지를 Test_set으로 저장
test_data=ansan_data_T.drop(ansan_data_T.index[train_data.index])
나. Label Encoding
문자로된 범주형 컬럼들을 숫자로 변경합니다.
In [142]:
train_data
Out[142]:
TYPEPRODUCT_NMROAD_NMBUILDING_NO1BUILDING_NO212757187517109667365610150...17387314261613834476026112303
| 법인 | biz_일반전화_A | 도로_109 | 45 | 0 |
| 개인 | 일반전화 | 도로_165 | 9 | 0 |
| 개인사업자 | 내선전화 | 도로_71 | 9 | 0 |
| 개인 | IPTV_E | 도로_271 | 462 | 0 |
| 개인사업자 | 내선전화 | 도로_24 | 16 | 0 |
| ... | ... | ... | ... | ... |
| 법인 | biz_인터넷전화_A | 도로_157 | 234 | 0 |
| 법인 | 일반전화 | 도로_146 | 167 | 10 |
| 법인 | 상품_153 | 도로_271 | 809 | 0 |
| 개인 | 인터넷_A | 도로_190 | 19 | 0 |
| 법인 | 일반전화 | 도로_35 | 88 | 0 |
159551 rows × 5 columns
i) Label Encoding 대상 추출 및 변환
In [143]:
#Label Encoding 대상 컬럼 지정
le_columns=train_data.columns
In [144]:
le_columns
Out[144]:
Index(['TYPE', 'PRODUCT_NM', 'ROAD_NM', 'BUILDING_NO1', 'BUILDING_NO2'], dtype='object')범주형 데이터의 범주에 변경이 발생하는 경우가 있습니다.
이런 경우에는 아래와 같이 예외처리를 해주어야 합니다.
In [149]:
from sklearn.preprocessing import LabelEncoder
# #실습 코드 - LabelEncoder를 객체로 생성한 후 , fit( ) 과 transform( ) 으로 label 인코딩 수행.
le = LabelEncoder()
for column in le_columns:
le.fit(train_data[column]) #fitting
train_data[column]=le.fit_transform(train_data[column]) #encoding 적용
if column =='TYPE':
print(le.classes_)
#train_data에 없는 label이 test_data에 있을 수 있으므로 아래 코드가 필요하며, test_data는 fit 없이 transform만 해야함
for label in np.unique(test_data[column]):
if label not in le.classes_: # unseen label 데이터인 경우( )
le.classes_ = np.append(le.classes_, label) # 미처리 시 ValueError발생
test_data[column]=le.transform(test_data[column]) #encoding 적용
[0 1 2]
In [150]:
train_data.shape, test_data.shape
Out[150]:
((159551, 5), (17728, 5))※ 모델링 과정에서 Tree 계열 모델을 사용하기 때문에, 교육 중에 One-Hot Encoding은 진행하지 않습니다.
범주형 데이터의 범주가 많은 경우 Tree 계열 모델의 학습속도가 느립니다.
Label Encoding한 데이터를 구분해서 저장합니다.
In [151]:
train_data.shape
Out[151]:
(159551, 5)다. Train data와 Validation data 분할
Label Encoding 데이터 분할
- train vs validation 데이터 분리 (feature label 분리)
test_size: test_size의 크기
random_state: random_state를 동일하게 유지해야 일정한 데이터가 나옴
stratify: label을 균등하게 분포하도록 함
In [249]:
train_data
Out[249]:
TYPEPRODUCT_NMROAD_NMBUILDING_NO1BUILDING_NO212757187517109667365610150...17387314261613834476026112303
| 2 | 18 | 12 | 44 | 0 |
| 0 | 211 | 74 | 8 | 0 |
| 1 | 21 | 385 | 8 | 0 |
| 0 | 4 | 190 | 347 | 0 |
| 1 | 21 | 156 | 15 | 0 |
| ... | ... | ... | ... | ... |
| 2 | 16 | 65 | 226 | 0 |
| 2 | 211 | 53 | 166 | 10 |
| 2 | 73 | 190 | 391 | 0 |
| 0 | 205 | 102 | 18 | 0 |
| 2 | 211 | 276 | 87 | 0 |
159551 rows × 5 columns
In [250]:
y = train_data.iloc[:,0]
In [252]:
#실습 코드 사이킷런의 train_test_split로 데이터를 train셋과 validation셋으로 분리하세요. (feature와 label을 입력값으로 받습니다. staratify에는 label 값이 들어갑니다.)
from sklearn.model_selection import train_test_split
x_train, x_val, y_train, y_val = train_test_split(train_data.iloc[:,1:],train_data.iloc[:,0] ,test_size=0.2,random_state=21,stratify=train_data.iloc[:,0])
x_train.shape, x_val.shape, y_train.shape, y_val.shape
Out[252]:
((127640, 4), (31911, 4), (127640,), (31911,))- test 데이터 feature label 분리
In [253]:
test_data
Out[253]:
TYPEPRODUCT_NMROAD_NMBUILDING_NO1BUILDING_NO21524282930...177260177262177275177276177277
| 1 | 21 | 102 | 18 | 0 |
| 1 | 21 | 385 | 68 | 0 |
| 1 | 21 | 391 | 165 | 0 |
| 1 | 21 | 292 | 29 | 0 |
| 1 | 21 | 41 | 122 | 0 |
| ... | ... | ... | ... | ... |
| 2 | 16 | 190 | 394 | 0 |
| 2 | 211 | 345 | 23 | 0 |
| 0 | 211 | 320 | 289 | 0 |
| 0 | 205 | 320 | 289 | 0 |
| 0 | 0 | 320 | 289 | 0 |
17728 rows × 5 columns
In [254]:
x_test=test_data.iloc[:,1:]
y_test=test_data.iloc[:,0]
In [255]:
x_test
Out[255]:
PRODUCT_NMROAD_NMBUILDING_NO1BUILDING_NO21524282930...177260177262177275177276177277
| 21 | 102 | 18 | 0 |
| 21 | 385 | 68 | 0 |
| 21 | 391 | 165 | 0 |
| 21 | 292 | 29 | 0 |
| 21 | 41 | 122 | 0 |
| ... | ... | ... | ... |
| 16 | 190 | 394 | 0 |
| 211 | 345 | 23 | 0 |
| 211 | 320 | 289 | 0 |
| 205 | 320 | 289 | 0 |
| 0 | 320 | 289 | 0 |
17728 rows × 4 columns
라. 알고리즘 별 학습과 검증
※ 모델별 성능을 저장하기 위한 함수 선언
아래 함수는 외우실 필요없이 저장해두고 Copy 해서 사용하시면 됩니다.
In [256]:
import matplotlib.pyplot as plt
import seaborn as sns
my_predictions = {}
colors = ['r', 'c', 'm', 'y', 'k', 'khaki', 'teal', 'orchid', 'sandybrown',
'greenyellow', 'dodgerblue', 'deepskyblue', 'rosybrown', 'firebrick',
'deeppink', 'crimson', 'salmon', 'darkred', 'olivedrab', 'olive',
'forestgreen', 'royalblue', 'indigo', 'navy', 'mediumpurple', 'chocolate',
'gold', 'darkorange', 'seagreen', 'turquoise', 'steelblue', 'slategray',
'peru', 'midnightblue', 'slateblue', 'dimgray', 'cadetblue', 'tomato'
]
#acc를 구해서 시각화해줌
def acc_eval(name_, pred, actual):
global predictions
global colors
acc = (pred==actual).mean()
my_predictions[name_] = acc
y_value = sorted(my_predictions.items(), key=lambda x: x[1], reverse=False) # 정확도 내림차순으로 sort
df = pd.DataFrame(y_value, columns=['model', 'acc'])
#print(df)
min_ = df['acc'].min() -0.5
max_ = 1.2
length = len(df)
plt.figure(figsize=(10, length))
ax = plt.subplot()
ax.set_yticks(np.arange(len(df)))
ax.set_yticklabels(df['model'], fontsize=15)
bars = ax.barh(np.arange(len(df)), df['acc'])
for i, v in enumerate(df['acc']):
idx = np.random.choice(len(colors))
bars[i].set_color(colors[idx])
ax.text(v+0.1, i, str(round(v, 3)), color='k', fontsize=15, fontweight='bold')
plt.title('Accuracy', fontsize=18)
plt.xlim(min_,max_)
plt.show()
#실수로 잘못 넣은 경우 해당 모델을 삭제
def remove_model(name_):
global my_predictions
try:
del my_predictions[name_]
except KeyError:
return False
return True
#출처: 패스트캠퍼스-직장인을위한 파이썬 데이터분석(이경록) 발췌
i) Decision Tree
Parameter
min_samples_split : 내부 노드를 분할하는데 필요한 최소 샘플 수 (작을 수록 과적합 가능성이 큼)
min_samples_leaf: 리프노드의 최소 샘플 수 (작을 수록 과적합 가능성이 큼)
max_features : 최상의 분할을 찾을 때 고려할 기능의 수
max_depth : 트리의 최대 깊이
max_leaf_nodes : 리프노드의 개수
Step 0. 라이브러리 로딩
In [257]:
#실습 코드 - sklearn의 DecisionTreeClassifier를 로딩합니다.
from sklearn.tree import DecisionTreeClassifier
Step 1. 모델 생성
In [258]:
#실습 코드 - 모델을 생성합니다.
model_dt = DecisionTreeClassifier(min_samples_split=3,
min_samples_leaf=1,
max_features=None,
max_depth=None,
max_leaf_nodes=None
)
Step 2. 모델 학습
In [259]:
#실습 코드 - 모델을 학습합니다.
model_dt.fit(x_train,y_train)
Out[259]:
DecisionTreeClassifier(min_samples_split=3)Step 3. 결과 검증
In [260]:
#실습 코드 - 결과를 예측합니다.
pred_dt=model_dt.predict(x_test)
In [261]:
#실습 코드 - acc_eval로 결과를 시각화 합니다.
acc_eval('Decision Tree',pred_dt,y_test)
Step 4. Tree의 구조 확인
In [262]:
n_nodes = model_dt.tree_.node_count
children_left = model_dt.tree_.children_left
children_right = model_dt.tree_.children_right
feature = model_dt.tree_.feature
threshold = model_dt.tree_.threshold
node_depth = np.zeros(shape=n_nodes, dtype=np.int64)
is_leaves = np.zeros(shape=n_nodes, dtype=bool)
stack = [(0, 0)] # start with the root node id (0) and its depth (0)
while len(stack) > 0:
# `pop` ensures each node is only visited once
node_id, depth = stack.pop()
node_depth[node_id] = depth
# If the left and right child of a node is not the same we have a split
# node
is_split_node = children_left[node_id] != children_right[node_id]
# If a split node, append left and right children and depth to `stack`
# so we can loop through them
if is_split_node:
stack.append((children_left[node_id], depth + 1))
stack.append((children_right[node_id], depth + 1))
else:
is_leaves[node_id] = True
print("The binary tree structure has {n} nodes and has "
"the following tree structure:\n".format(n=n_nodes))
for i in range(n_nodes):
if is_leaves[i]:
print("{space}node={node} is a leaf node.".format(
space=node_depth[i] * "\t", node=i))
else:
print("{space}node={node} is a split node: "
"go to node {left} if X[:, {feature}] <= {threshold} "
"else to node {right}.".format(
space=node_depth[i] * "\t",
node=i,
left=children_left[i],
feature=feature[i],
threshold=threshold[i],
right=children_right[i]))iii) Random Forest
Parameter
n_estimators: 결정트리의 수 (bagging에 들어가는 트리의 수)
min_samples_split : 내부 노드를 분할하는데 필요한 최소 샘플 수 (작을 수록 과적합 가능성이 큼)
min_samples_leaf: 리프노드의 최소 샘플 수 (작을 수록 과적합 가능성이 큼)
max_features : 최상의 분할을 찾을 때 고려할 기능의 수
max_depth : 트리의 최대 깊이
max_leaf_nodes : 리프노드의 개수
Step 0. 라이브러리 로딩
In [264]:
#실습 코드 - sklearn에서 RandomForestClassifier를 로드합니다.
from sklearn.ensemble import RandomForestClassifier
Step 1. 모델 생성
In [265]:
#실습 코드 - 모델을 생성하고, 파라미터를 설정합니다.
model_rf= RandomForestClassifier(n_jobs=-1,n_estimators=300,
min_samples_split=2,
min_samples_leaf=1,
max_features='auto',
max_depth=None,
max_leaf_nodes=None)
Step 2. 모델 학습
In [266]:
#실습 코드 - 학습을 진행합니다.
model_rf.fit(x_train,y_train)
Out[266]:
RandomForestClassifier(n_estimators=300, n_jobs=-1)Step 3. 결과 검증
In [267]:
#실습 코드 - 결과를 예측합니다.
pred_rf=model_rf.predict(x_test)
In [268]:
#실습 코드 - 결과를 시각화 합니다.
acc_eval('Random Forest',y_test,pred_rf) #기본
iv) XGBoost
Step 0. 라이브러리 로딩
In [187]:
install("xgboost")
In [270]:
#실습코드 - xgboost를 불러옵니다.
import xgboost as xgb
Step 1. 모델 생성
In [271]:
#실습코드 - 모델을 생성합니다. 학습파라미터는 따로 설정하겠습니다.
model_xgb = xgb.XGBClassifier()
Step 2. 모델 학습
- sklearn 래퍼 xgboost 적용
sklearn의 기본 estimator를 이용해 만들어져 앞서 공부한 알고리즘과 사용법이 동일합니다.
그러나, 이 경우 xgboost 학습 성능이 느리기 때문에, 학습이 오래 걸리는 경우에는 사용하기 어렵습니다.
- python 래퍼 xgboost 적용
sklearn을 통하지 않고, 직접 호출을 하면 성능이 더 좋습니다. 이 경우에는 xgboost 공유의 데이터형식인 DMatrix로 변환해주어야 합니다.
In [272]:
#실습 코드 dtrain을 참고해서 validation과 test 데이터도 생성합니다.
# 넘파이 형태의 학습 데이터 세트와 테스트 데이터를 DMatrix로 변환하는 예제
dtrain = xgb.DMatrix(data=x_train, label = y_train)
dval = xgb.DMatrix(data=x_val, label = y_val)
dtest = xgb.DMatrix(data=x_test, label = y_test)
1. Tree Boost Parameter
- eta: learning rate
- num_boost_around: 생성할 weak learner의 수
- min_child_weight: 관측치에 대한 가중치 합의 최소로 과적합 조절 용도 (값이 크면 과적합이 감소)
- gamma:리프 노드에서 추가분할을 만드는데 필요한 최소 손실감소 값(값이 크면 과적합이 감소)
- max_depth:Tree 의 최대 깊이(너무 크면 과적합)
- sub_sample:훈련 중 데이터 샘플링 비율 지정(과적합 제어)
- colsample_bytree: 열의 서브 샘플링 비율
2. Learning Task Parameter
- objective
reg:linear : 회귀 binary:logistic : 이진분류 multi:softmax : 다중분류, 클래스 반환 multi:softprob : 다중분류, 확률 반환 - eval_metric
rmse : Root Mean Squared Error mae : mean absolute error logloss : Negative log-likelihood error : binary classification error rate merror : multiclass classification error rate mlogloss: Multiclass logloss auc: Area Under Curve
In [273]:
#실습 코드 - 파라미터를 설정합니다.
params = {'eta' : 0.3,
'max_depth' : 3,
'min_child_weight':1,
'gamma':0,
'subsample':1,
'colsample_bytree':1,
'objective':'multi:softmax',
'eval_metric':'mlogloss',
'num_class':3}
In [274]:
import time
start=time.time()
early_stopping_rounds 옵션은 XGBoost의 파라미터가 아니고 학습 수행시의 파라미터이므로 XGBClassifier()가 아니라 train()안에 넣어주어야 합니다.
안그러면 아래와 같은 warning이 나오면서 옵션이 사용되지 않습니다.
Parameters: { early_stopping_rounds } might not be used.
In [275]:
#실습 코드
# train 데이터 세트는 'train', validation 데이터 세트는 'eval' 로 명기
wlist = [(dtrain, 'train'), (dval,'eval')]
# 하이퍼 파라미터와 early stopping 파라미터를 train() 함수의 파라미터로 전달
model_xgb = xgb.train(params = params, dtrain=dtrain, num_boost_round=70, evals=wlist,early_stopping_rounds=20,)
In [276]:
(time.time()-start)/60
Out[276]:
3.010620717207591Step 3. 결과 검증
In [277]:
#실습 코드 - 결과 예측
pred_xgb=model_xgb.predict(dtest)
In [278]:
#실습 코드 - 결과 시각화
acc_eval('XGBoost',y_test,pred_xgb) #기본
v) Catboost
※도큐먼트: https://catboost.ai/
Parameter
Catboost는 Parameter에 민감하지 않으므로 별도로 설정하지 않겠습니다.
Step 0. 라이브러리 로딩
In [279]:
install('catboost')
In [280]:
#실습 코드
import time
start=time.time()
from catboost import CatBoostClassifier, Pool
Step 1. 모델 생성
In [281]:
#실습 코드 - 모델을 생성하고, 파라미터를 설정합니다.
cat = CatBoostClassifier(learning_rate=0.3,iterations=3000)
Step 2. 모델 학습
In [283]:
#실습 코드 - Pool 함수로 데이터셋을 지정합니다. 반드시 label을 지정해 주어야 합니다.
train_dataset = Pool(data=x_train,label=y_train) #feature와 label 지정
eval_dataset = Pool(data=x_val,label=y_val) #feature와 label 지정
cat.fit(train_dataset, eval_set=eval_dataset,early_stopping_rounds=20)
learning curve 그리기
In [284]:
# retrieve performance metrics
results = cat.evals_result_
# plot learning curves
plt.plot(results['learn']['MultiClass'], label='train')
plt.plot(results['validation']['MultiClass'], label='test')
# show the legend
plt.legend()
# show the plot
plt.show()
In [285]:
(time.time()-start)/60
Out[285]:
1.836858073870341Step 3. 결과 검증
In [286]:
#실습 코드 - 결과를 예측합니다.
pred_cat=cat.predict(eval_dataset) #기본
In [287]:
pred_cat
Out[287]:
array([[0],
[2],
[0],
...,
[1],
[1],
[0]])In [288]:
y_test
Out[288]:
15 1
24 1
28 1
29 1
30 1
..
177260 2
177262 2
177275 0
177276 0
177277 0
Name: TYPE, Length: 17728, dtype: int64In [289]:
pred_cat=pred_cat.reshape(1,-1)[0]
In [290]:
pred_cat
Out[290]:
array([0, 2, 0, ..., 1, 1, 0])In [291]:
#실습 코드 - 결과를 시각화 합니다.
acc_eval('Catboost',y_val,pred_cat) #기본
마. 평가지표 활용
i) Confusion Matrix
In [292]:
from sklearn.metrics import confusion_matrix, plot_confusion_matrix
plot=plot_confusion_matrix(cat, x_test,y_test,
display_labels=['개인','개인사업자','법인'],
cmap=plt.cm.Blues)
plot.ax_.set_title('Confusion Matrix')
Out[292]:
Text(0.5, 1.0, 'Confusion Matrix')
ii) Accuracy/Presision/recall/f1_score
In [297]:
from sklearn.metrics import precision_score, recall_score
from sklearn.metrics import f1_score, accuracy_score
def metric_func(actual,pred):
print("accuracy_score:",accuracy_score(actual,pred))
print("precision_score:",precision_score(actual,pred,average=None))
print("recall_score:",recall_score(actual,pred,average=None))
print("f1_score:",f1_score(actual,pred,average=None))
metric_func(y_test,pred_cat)
iii) ROC Curve & AUC
from sklearn.metrics import roc_curve, auc#Parameter
#y_pred: 원핫인코딩된 2차원 이상의 numpy.array
#y_true: 실제 값
#y_label:label값(list)
def plot_multiclass_roc(y_pred, y_true, y_label):
fpr =dict()
tpr =dict()
roc_auc = dict()
y_test_dummies = pd.get_dummies(y_true, drop_first=False).values
for i in range(len(y_label)):
fpr[i], tpr[i], _ = roc_curve(y_test_dummies[:,i],y_pred[:,i])
roc_auc[i] = auc(fpr[i], tpr[i])
fig, ax = plt.subplots(figsize=(17,10))
ax.plot([0,1],[0,1],'k--')
ax.set_xlim([0.0,1.0])
ax.set_ylim([0.0,1.05])
ax.set_xlabel('False Positive Rate')
ax.set_ylabel('True Positive Rate')
ax.set_title('ROC')
for i in range(len(y_label)):
ax.plot(fpr[i],tpr[i], label = 'ROC curve (area = %0.2f) for label %s' %(roc_auc[i], y_label[i]))
ax.legend(loc='best')
ax.grid(alpha=.4)
sns.despine()
plt.show()
In [301]:
pred_cat
Out[301]:
array([0, 2, 0, ..., 1, 1, 0])In [302]:
y_test
Out[302]:
15 1
24 1
28 1
29 1
30 1
..
177260 2
177262 2
177275 0
177276 0
177277 0
Name: TYPE, Length: 17728, dtype: int64In [303]:
plot_multiclass_roc(pd.get_dummies(pred_cat).to_numpy(),y_test,['개인','개인사업자','법인'])pd.get_dummies(pred_cat).to_numpy()
Out[304]:
array([[1, 0, 0],
[0, 0, 1],
[1, 0, 0],
...,
[0, 1, 0],
[0, 1, 0],
[1, 0, 0]], dtype=uint8)ROC Curve는 개인/개인사업자/법인의 예측 확률을 Threshold로 사용하기 때문에 원핫 벡터 형태의 데이터를 넣으면 그림처럼 각이 생기게 됩니다.
그래서 predict_proba를 쓰면 확률로 표시되는 값을 얻을 수 있고, 이 값을 이용하면 동일한 결과를 얻을 수 있습니다.
In [305]:
pred_cat_proba = cat.predict_proba(x_test)
In [306]:
pred_cat_proba
Out[306]:
array([[1.12419020e-03, 9.98722088e-01, 1.53722265e-04],
[2.31345713e-03, 9.97055494e-01, 6.31048586e-04],
[3.90836336e-03, 9.95607040e-01, 4.84596253e-04],
...,
[2.11195572e-01, 6.33518012e-01, 1.55286416e-01],
[2.45785784e-01, 6.14803218e-01, 1.39410999e-01],
[2.82041819e-01, 6.18208448e-01, 9.97497334e-02]])In [307]:
plot_multiclass_roc(pred_cat_proba,y_test,['개인','개인사업자','법인'])
좀더 부드러운 곡선의 ROC Curve를 얻었습니다.
'경기도 인공지능 개발 과정 > Python' 카테고리의 다른 글
| [python] 텐서플로 object_detection 실습 (0) | 2022.08.04 |
|---|---|
| [Ptyhon] 딥러닝 활성화 함수, 가중치 정리 (0) | 2022.07.26 |
| [Python] 텐서플로 손실곡선, 드롭아웃, 모델저장 (0) | 2022.07.17 |
| [Python] 텐서플로_Pooling (0) | 2022.07.13 |
| [Python] 텐서플로_컨볼루전(Conv2D)_실습 (0) | 2022.07.12 |