ai3달차 3에린이입니다 대충해봤는데 스코어가 안나오네요 조언좀부탁드려요 ㅜ

전화 해지 여부 분류 AI 해커톤

2023.03.14 09:23 1,591 조회

피처엔지니어링이 너무어렵네요

train_x['총통화시간'] = train_x['주간통화시간'] + train_x['저녁통화시간'] + train_x['밤통화시간']

train_x['총통화횟수'] = train_x['주간통화횟수'] + train_x['저녁통화횟수'] + train_x['밤통화횟수']

train_x['총통화요금'] = train_x['주간통화요금'] + train_x['저녁통화요금'] + train_x['밤통화요금']

train_x['평균통화시간'] = train_x['총통화시간'] / train_x['총통화횟수']
train_x['평균통화요금'] = train_x['총통화요금'] / train_x['총통화횟수']

coff 결과입니다

가입일 음성사서함이용 주간통화시간 주간통화횟수 주간통화요금 저녁통화시간 저녁통화횟수 \

가입일 1.000000 0.069771 0.190535 0.128138 0.118500 0.223365 0.119532

음성사서함이용 0.069771 1.000000 0.045449 0.031312 0.070361 0.067955 0.039927

주간통화시간 0.190535 0.045449 1.000000 0.213815 0.336852 0.493299 0.239448

주간통화횟수 0.128138 0.031312 0.213815 1.000000 0.100227 0.265814 0.147605

주간통화요금 0.118500 0.070361 0.336852 0.100227 1.000000 0.219930 0.098014

저녁통화시간 0.223365 0.067955 0.493299 0.265814 0.219930 1.000000 0.280098

저녁통화횟수 0.119532 0.039927 0.239448 0.147605 0.098014 0.280098 1.000000

저녁통화요금 0.208486 0.065085 0.483473 0.247990 0.216840 0.806827 0.278620

밤통화시간 0.256722 0.068964 0.508642 0.289059 0.219115 0.605980 0.277744

밤통화횟수 0.111628 0.052887 0.238676 0.109052 0.126778 0.276678 0.135633

밤통화요금 0.064803 0.025955 0.177415 0.102214 0.075288 0.210535 0.094207

상담전화건수 0.073547 0.010326 0.158215 0.072544 0.102932 0.189158 0.080626

총통화시간 0.267436 0.072386 0.821856 0.306306 0.315776 0.831932 0.318683

총통화횟수 0.184679 0.063807 0.355703 0.644852 0.167047 0.422846 0.661199

총통화요금 0.174589 0.083076 0.463367 0.183239 0.886018 0.471509 0.187481

평균통화시간 -0.000449 -0.016269 0.139136 -0.428207 0.025694 0.097329 -0.426316

평균통화요금 0.004575 0.012031 0.090765 -0.374065 0.438109 0.054311 -0.376002

저녁통화요금 밤통화시간 밤통화횟수 밤통화요금 상담전화건수 총통화시간 총통화횟수 \

가입일 0.208486 0.256722 0.111628 0.064803 0.073547 0.267436 0.184679

음성사서함이용 0.065085 0.068964 0.052887 0.025955 0.010326 0.072386 0.063807

주간통화시간 0.483473 0.508642 0.238676 0.177415 0.158215 0.821856 0.355703

주간통화횟수 0.247990 0.289059 0.109052 0.102214 0.072544 0.306306 0.644852

주간통화요금 0.216840 0.219115 0.126778 0.075288 0.102932 0.315776 0.167047

저녁통화시간 0.806827 0.605980 0.276678 0.210535 0.189158 0.831932 0.422846

저녁통화횟수 0.278620 0.277744 0.135633 0.094207 0.080626 0.318683 0.661199

저녁통화요금 1.000000 0.580330 0.272802 0.204482 0.189227 0.743614 0.410954

밤통화시간 0.580330 1.000000 0.286981 0.305315 0.191133 0.838063 0.438840

밤통화횟수 0.272802 0.286981 1.000000 0.083941 0.083491 0.320567 0.639344

밤통화요금 0.204482 0.305315 0.083941 1.000000 0.043592 0.275359 0.144106

상담전화건수 0.189227 0.191133 0.083491 0.043592 1.000000 0.215052 0.121657

총통화시간 0.743614 0.838063 0.320567 0.275359 0.215052 1.000000 0.486048

총통화횟수 0.410954 0.438840 0.639344 0.144106 0.121657 0.486048 1.000000

총통화요금 0.521415 0.437950 0.205534 0.442940 0.149811 0.551529 0.296200

평균통화시간 0.055688 0.098578 -0.410309 0.039865 0.007628 0.136011 -0.650152

평균통화요금 0.082869 0.029019 -0.352775 0.189473 0.017994 0.071698 -0.566896

총통화요금 평균통화시간 평균통화요금

가입일 0.174589 -0.000449 0.004575

음성사서함이용 0.083076 -0.016269 0.012031

주간통화시간 0.463367 0.139136 0.090765

주간통화횟수 0.183239 -0.428207 -0.374065

주간통화요금 0.886018 0.025694 0.438109

저녁통화시간 0.471509 0.097329 0.054311

저녁통화횟수 0.187481 -0.426316 -0.376002

저녁통화요금 0.521415 0.055688 0.082869

밤통화시간 0.437950 0.098578 0.029019

밤통화횟수 0.205534 -0.410309 -0.352775

밤통화요금 0.442940 0.039865 0.189473

상담전화건수 0.149811 0.007628 0.017994

총통화시간 0.551529 0.136011 0.071698

총통화횟수 0.296200 -0.650152 -0.566896

총통화요금 1.000000 0.049198 0.435640

평균통화시간 0.049198 1.000000 0.826315

평균통화요금 0.435640 0.826315 1.000000

댓글 9개

로그인이 필요합니다

comment

0 / 1000

joon-ai

2023.03.14 14:01

대충말고 열심히 하셔야죠

벵자민

2023.03.14 14:36

삭제된 댓글입니다

-_._-

2023.03.14 14:36

반성하겠습니다...ㅠㅠ

비공전함

2023.03.14 14:06

분류문제는 타겟값을 0,1 또는 0,1,2,3으로 분류하기 떄문에, 타겟값과의 상관관계를 찾아보는게 생각보다 의미가 없습니다. 다른 변수들과 상관관계를 보면 모를까. 그러다보니 corr보다는 모델을 만들고 k-fold를 계속 해보시는걸 추천드립니다.

suinsuin

2023.03.14 22:43

혹시 '타겟값을 0,1 또는 0,1,2,3으로 분류하기 떄문에, 타겟값과의 상관관계를 찾아보는게 생각보다 의미가 없습니다' 라고 하셨는데, 왜 의미가 없다는 건가요?? 이해가 잘 안가서요,,

비공전함

2023.03.15 08:48

예를 들어 회귀 분석의 타겟값이라고 생각하면, 각 변수가 0.8,0.88,0.9등 이런 식으로 정렬이 되어 있습니다. 이때 각 값은 상관관계가 의미가 있습니다. 왜냐면 이 수치는 저희가 임의로 라벨링을 한 값이 아니라 그 수치 자체이기 때문입니다. 하지만 분류의 경우, 보통 각 값들이 0,1,2,3으로 저희가 임의로 라벨링을 합니다. 이때 상관관계를 보시면 저희가 라벨링을 한 변수가 아니라 라벨링 자체값인 0,1,2,3과의 상관관계를 보여줍니다.물론 상관관계가 유의한 경우도 있겠지만. 아닌경우가 대다수 입니다. 실제로 이번 대회에서 corr을 찍어보시면 라벨링이 된 타겟값과 변수들관의 상관관계가 상당히 낮은 것을 알 수 있습니다. 하지만 단순히 분류 문제에서 상관관계가 낮다는 이유로 임의의 변수를 삭제하게 되다면, 성능이 오히려 떨어지는 경우를 보게 됩니다.

suinsuin

2023.03.16 23:06

답변 감사드립니다 !