데이터 분석 접근법

Question

나는 GPA 점수가 있고 신원 보증 기간 이후에 고용되었거나 해고 된 지 여부에 관계없이 신임 대학원 직원의 데이터 세트를 보유하고 있습니다. 나는 대학 평점이 고용이나 해고에 중대한 영향을 미치는지 분석하도록 사장에게 요청 받았다. 때로는 대학 순위와 같은 추가 기능도 포함될 수 있습니다. 현재 보스는 데이터 과학 및 기계 학습에 관심이있는 날입니다. 그러나 데이터 분석에 대한 사전 경험이 없었습니다. 그래서이 문제에 어떻게 접근 할 수 있을지 생각해보십시오. 어떻게해야할까요? 기술적 인 전문 용어가 환영받을 정도로 프로그래밍 배경 지식이 있습니다. (파이썬 알아요).

Answer 1

GPA, University_ranking 등을 특징으로하는 신규 졸업생의 취업 상태를 예측하려고합니다.

귀하의 문제는 귀하의 출력/발사로 고용해야하기 때문에 "이진 분류 문제"로 간주 될 수

(0 또는 1)

Training_set : 당신은 기능 설정 훈련을 만들 필요가 우선 및 그들의 실제 출력.

분석 특징 :

train = pd.read_csv('../input/train.csv') 
print (train[["GPA", "Employment_status"]].groupby(['GPA'], as_index=False).mean()) 

알고리즘 훈련 : 데이터가 같은 것을 사용하여 출력에 영향을 미치는 방법 한번에 분석 할을 바이너리 해결하는 데 사용할 수있는 다양한 기계 학습 알고리즘이 있습니다 SVM, 의사 결정 트리, KNN과 같은 분류 문제. 출력 중 하나와 함께 분포를 맞출 수있는 이상 탐지를 수행 할 수도 있습니다. 사용하기 쉽고 다양한 알고리즘을 제공하기 때문에 sklearn 라이브러리를 사용하십시오.

sklearn에 대해 자세히 알아 보려면 this을 확인하십시오.

테스트 : 마지막으로 테스트 세트로 모델을 테스트하고 정확도를 계산하여 모델이 데이터에 어떻게 맞는지 확인하십시오. 그들은 기계를 시작 누구나 이해하기 쉽게 앤드류 NG로하여 강의 밖으로

는

확인 learning.Find 그것을 here

데이터 시각화 :

Kaggle가 최고의 플랫폼 중 하나입니다 새로운 접근법과 알고리듬 알아보기 this 링크는 홍채 데이터 세트에서 다른 데이터 시각화 도구를 사용하는 방법에 대한 정보를 제공합니다.

데이터 시각화에 대해 자세히 알아 보려면 this MOOC를 확인하십시오.

데이터 시각화를 통해 기능의 상관 관계를 이해하는 데 도움이됩니다.

Answer 2

여기에서, 당신은 근본적으로 대학 평점, 대학 순위 등이 유예 기간 후에 고용되거나 해고되는 것에 큰 영향을 미치는지 예측하려고합니다. 기본적으로 이진 분류 문제입니다 (Binary Classification Best Tutorial에 대한 전체 자습서 용). @ janu777에서 제공하는 접근법은 정확합니다. 그 안에 몇 가지 추가 정보를 추가하고 싶습니다. 이러한 문제를 해결하기위한 단계는

Data Exploration(include variable identifications) 
Data Cleaning 
Feature Engineering(Watching correlations kind of property among features) 
Model Building and Training 
Doing Predictions 

은 기본적으로 파이썬 측면에서 이러한 라이브러리를 사용,

Pandas 
Scikit Learn 
Matplotlib 
numpy 
Sklearn 
Statsmodelapi 

데이터 탐사입니다 : 첫째는 지난 몇 년 동안 데이터가 있어야합니다 (여부 이전 직원이었다 고용 또는 해고) 기차 세트로. 대부분의 유명한 모든 누락 된 값을 드롭하는 것입니다, 당신의 선택에 따라

import pandas as pd 
import numpy as np 
import matplotlib as plt 

df = pd.read_csv("../trainset.csv") #Reading the dataset in a dataframe 
df.describe() 

데이터 정제 지금이 단계에서

당신은 당신의 데이터 값과 모든 누락보고해야하고 치료를 할 수있다 나는 기차 세트가 대학 GPA와 대학 순위 기능 변수 인 3 변수가 있다고 가정하고

df.dropna(axis=0, how='all') 

그래서 당신은이를 사용할 수 있습니다. 타겟 변수가 고용/해고되었습니다 (1 또는 0). 예측 변수와 대상 변수 사이의 상관 관계를 사용해야하며 시각화가 도움이 될 것입니다.

trainingdata['GPA'].astype('float64').corr(trainingdata['target'].astype('float64')) 

또는

# importing the required module 
import matplotlib.pyplot as plt 

# x axis values 
x = [1,2,3] # your feature variable 
# corresponding y axis values 
y = [2,4,1] # your target variable 

# plotting the points 
plt.plot(x, y) 

# naming the x axis 
plt.xlabel('x - axis') 
# naming the y axis 
plt.ylabel('y - axis') 

# giving a title to my graph 
plt.title('My first graph!') 

# function to show the plot 
plt.show() 

모델 구축 및 예측과는 매우 중요한 단계는 그 피팅, 지금 당신은 당신의 문제에 대한 모델을 만들 필요하고 이러한 알고리즘 Sklearn algo을 사용할 수 있습니다 (당신은 적용해야 Randomforest, lineardiscriminate, decisiontree, knn, svm 등의 알고리즘을 선택하고 좋은 점수를주는 알고리즘 만 선택하십시오. 샘플 코드는

입니다. 테스트 데이터에 지금 당신이 예측을 할 수

from sklearn.ensemble import RandomForestClassifier 
#Building random forest classifier model 
def random_forest_classifier(features, target): 
    """ 
    To train the random forest classifier with features and target data 
    :param features: 
    :param target: 
    :return: trained random forest classifier 
    """ 
    clf = RandomForestClassifier() 
    clf.fit(features, target) 
    return clf 

이렇게 예측, 같은 샘플 코드는

predictions = randomforestmodelis.predict(test_x) 
    for i in range(0, 5): 
     print("Actual outcome :: {} and Predicted outcome :: {}".format(list(test_y)[i], predictions[i])) 
     #print("Train Accuracy :: ", accuracy_score(train_y, randomforestmodelis.predict(train_x))) 
    print("Test Accuracy :: ", accuracy_score(test_y, predictions)) 

문제를 해결해야한다.