소품집

안녕하세요! 오늘은 KT 에이블스쿨 3차 미니프로젝트 회고를 해보려고 합니다. 이번 3차 미니프로젝트에서 가장 기억에 남았던 세션이었던 Kaggle competition에서 악성 코드 탐지 모델 개발을 주제로 진행됐는데요, 저는 이번 대회에서 13등을 했습니다!! 점심 먹기전엔 4등이었는데... 금세 밀려나는 게 재밌더라고요 오랜만에 전공지식 다 꺼내기 + 구글링 + 도메인 빠르게 확보.. 해서 10등에서 제발 내려가지 마라!! 했지만.. 어림도 없지 앞으로 치고 나오는 에이블러분들..ㅎㅎ... 한없이 겸손해지는 이번 대회였습니다. 앞으로도 경진대회 많이 했으면 좋겠어요!!ㅋㅋㅋ * 더 자세한 코드는 제 Github에 올려두었습니다. https://github.com/sodayeong/AIVLE-Scho..

정말,,, 역대급으로 오래 걸리고 있는 kaggle이다. 잔 기술 많이 배워서 꼼꼼하게 하고 있습니다 😎 getwd() setwd('/Users/dayeong/Desktop/reserch/data') # Restaurant Visitor Forecasting EDA with R # https://www.kaggle.com/maestroyi/restaurant-visitor-forecasting-eda-with-r # general visualisation library(ggplot2) library(scales) library(grid) library(gridExtra) library(RColorBrewer) library(corrplot) # general data manipulation library..

dplyr 패키지 연습 겸 EDA 연습 겸 getwd() setwd('/Users/dayeong/Desktop/reserch/data') library(dplyr) library(ggplot2) # 0. Data load 및 이전 시험 진행과정 athlete % arrange(desc(mean_height)) head(survey) # Step2. 위의 나온 결과물을 활용해 해당하는 team만 뽑고, # Team별로 가장 키가 큰 사람과 가장 작은 사람의 키, 두 키의 차이를 출력 team % group_by(Team) %>% summarise(max_hei = max(Height), min_hei = min(Height), dif = max(Height)- min(Height)) head(survey2..

setwd('/Users/dayeong/Desktop/reserch/data') # Dataloading dt_loan % mutate(buy_n = n()) %>% filter(buy_n>=600) # 중복 제거 dt 이 Age 고객들을 분석해보자 Age_25 % filter( Age == "26-35" ) Age_25 % mutate(ratio = n/sum(n), location = ifelse(ratio > min(ratio) , min(ratio) + ratio/2 , ratio/2 ) ) plot1 % ggplot(aes(x=factor(1), y = ratio, fill = Marital_Status)) + geom_bar(stat="identity") + geom_text(aes(x= fa..

모델링 부터 오류가 나서 (아직 해결치 못함 ..) 그 전의 code까지 업뎃 해둡니다. ㅠ ㅠ getwd() setwd('/Users/dayeong/Desktop/reserch/data') Encoding('UTF-8') # Kaggle - DAY4 # Kaggle Loan data binary classification # Data import library(readr) # Data input with readr::read_csv() # EDA : 탐색적 데이터 분석, 데이터 확인 library(VIM) # Missing values with VIM::aggr() library(descr) # descr::CrossTable() - Factor data의 범주별 빈도수, 비율 확인 library(DT..

getwd() setwd('/Users/dayeong/Desktop/reserch/data') Encoding('UTF-8') # Kaggle - DAY4 # Kaggle Loan data binary classification # Data import library(readr) # Data input with readr::read_csv() # EDA : 탐색적 데이터 분석, 데이터 확인 library(VIM) # Missing values with VIM::aggr() library(descr) # descr::CrossTable() - Factor data의 범주별 빈도수, 비율 확인 library(DT) # DT::datatable() - All data assesment with web char..

www.kaggle.com/frankmollard/interactive-visualizations Interactive Visualizations 🚢 Explore and run machine learning code with Kaggle Notebooks | Using data from Titanic: Machine Learning from Disaster www.kaggle.com 지금까지 본 R 시각화 중에 젤 보기 쉽고,,, 예쁜듯 👍🏻

오늘은 .. 수준보다 높은 kaggle notebook을 택한 탓인지 진행이 잘 안되어 다음번에 다시 도저어어언 + ggolot2 option은 진짜 다양해서 그때마다 필요한 거 구글링 하는 게 최고옹 getwd() setwd('/Users/dayeong/Desktop/reserch/data') # Kaggle 3DAY # https://www.kaggle.com/erikbruin/house-prices-lasso-xgboost-and-a-detailed-eda # House prices : Laso, XGBoost, and a detailed EDA # 주택 임대가격 예측하여 최종 가격 예측하기! # # Loading and Exploring Data library(knitr) library(ggplo..

오늘은 kaggle 타이타닉 데이터 셋을 이용해 시각화와 예측을 해봤다. getwd() setwd('/Users/dayeong/Desktop/reserch/data') # Kaggle 2DAY # https://www.kaggle.com/mrisdal/exploring-survival-on-the-titanic # Load packages library(ggplot2) library(ggthemes) library(scales) library(dplyr) library(mice) library(randomForest) # classification model ## # Load Data train

1일 1캐글 하깅 로깅하깅 getwd() setwd('/Users/dayeong/Desktop/reserch/data') # kaggle 1DAY # https://www.kaggle.com/josipdomazet/mining-nyc-airbnb-data-using-r library(tidyverse) library(ggthemes) library(GGally) library(ggExtra) library(caret) library(glmnet) library(corrplot) library(leaflet) library(kableExtra) library(RColorBrewer) library(plotly) library(ggplot2) library(knitr) # 간단하게 데이터 프레임 생성이 가능..