분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
[🍜마라탕]🌸 Iris 꽃받침 / 꽃잎 너비 예측 Stage1 : 문제정의와 데이터 불러오기🌸
공동작성자
안녕하세요, 데이크루 4기 '마라탕'팀입니다.
저희는 Iris 꽃받침 / 꽃잎 너비 예측 프로젝트의 데이콘 문제기반학습(Problem Based Learning, PBL)을 만들고 있습니다.
첫번째 포스팅의 주제는 문제 정의와 데이터 불러오기입니다.
아래 링크를 통해 Iris 꽃받침 / 꽃잎 너비 예측 프로젝트의 전 스테이지를 보실 수 있습니다.
Stage1 : 문제정의와 데이터 불러오기 [ https://dacon.io/competitions/official/236047/codeshare/7454 ]
Stage2 : 데이터 확인 [ https://dacon.io/competitions/official/236047/codeshare/7615 ]
Stage3 : 변수파악과 모델소개 [ https://dacon.io/competitions/official/236047/codeshare/7616 ]
Stage4 : 데이터 전처리와 탐색적 자료분석 [ https://dacon.io/competitions/official/236047/codeshare/7617 ]
Stage5 : 모델링과 하이퍼 파라미터 튜닝 [ https://dacon.io/competitions/official/236047/codeshare/7618 ]
Stage6 : 모델 성능향상과 인사이트 도출 [ https://dacon.io/competitions/official/236047/codeshare/7660 ]
본 포스팅은 데이콘 서포터즈 "데이크루" 4기 활동의 일환입니다.
데이콘(주) | 대표 김국진 | 699-81-01021
통신판매업 신고번호: 제 2021-서울영등포-1704호
서울특별시 영등포구 은행로 3 익스콘벤처타워 901호
이메일 dacon@dacon.io | 전화번호: 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved
아이리스 데이터는 분류모델 공부하는데 자주 사용되는걸로 알고 있는데, 이를 통해 회귀모델을 제작하려고 하는 접근이 신기하네요
짧은 소견으로, Boston Housing 데이터가 회귀모델 형성에 자주 사용되는데, dimesion이 커서 분석가마다 사용하는 기법의 배리에이션이 너무 넓어서 어려웠습니다.
아이리스 데이터는 feature의 수가 적어서 전처리 기법에 한계가 있을텐데, 이에 대한 충분한 접근 전략을 제시해주시면 좋은 자료가 될것같습니다!
화이탱