숫자 손글씨 인식하기

분석 가이드

1. 문제를 이해합니다. 이미지의 각 픽셀을 특징 데이터로 취급하여 어떤 숫자인지 인식하는 문제입니다.

2. EDA 및 Feature Engineering을 실시합니다. 어떤 식으로 이미지의 픽셀을 특징 데이터로 구성하였는지 파악합니다.

3. 가설 검증 계획을 수립합니다. classfication을 다루는 머신러닝 모델링

4. 데이터셋을 구성합니다. 상황과 목적에 따라 적절한 train set, (validation set), test set을 구성합니다.

5. 모델링하고 학습합니다. DecisionTreeClassifier, RandomForestClassifier, …

6. 모델을 평가하고 검증합니다.

7. 최종 결론을 도출합니다. 000모델을 통해 000의 정확도로 숫자 손글씨를 OCR할 수 있다.

코딩 시나리오

1. 데이터를 불러옵니다.

2. EDA 및 Feature Engineering을 실시합니다.

3. 데이터셋을 구성합니다.

4. 모델링하고 학습합니다.

5. 모델을 평가하고 검증합니다.

6. 최종 결론을 도출합니다.

와인 품질 측정하기

분석 가이드

1. 문제를 이해합니다. 와인의 각종 화학데이터를 기반으로 실제 와인 품질을 추정하는 문제입니다.

2. EDA 및 Feature Engineering을 실시합니다. 주요 특징과 중요성이 떨어지는 특징을 구분하고 각종 시각화를 진행하여 데이터 구조를 이해합니다.

3. 가설 검증 계획을 수립합니다. regression을 다루는 머신러닝 모델링

4. 데이터셋을 구성합니다. 상황과 목적에 따라 적절한 train set, (validation set), test set을 구성합니다.

5. 모델링하고 학습합니다. DecisionTreeRegressor, RandomForestRegressor, LinearRegression, Ridge, PolynomialFeatures, …

6. 모델을 평가하고 검증합니다. 더 좋은 평가 방식이 있는지 고민합니다.

7. 최종 결론을 도출합니다. 000모델을 통해 000의 정확도로(혹은 다른 평가지표) 와인의 품질을 추정할 수 있다.

코딩 시나리오

1. 데이터를 불러옵니다.

2. EDA 및 Feature Engineering을 실시합니다.

3. 데이터셋을 구성합니다.

4. 모델링하고 학습합니다.

5. 모델을 평가하고 검증합니다.

6. 최종 결론을 도출합니다.