Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- Python
- Recsys-KR
- 입문
- 추천시스템
- 알고리즘
- Object Detection
- 엘리스
- 프로그래머스
- 한빛미디어
- 튜토리얼
- MySQL
- 나는 리뷰어다
- 스택
- 큐
- TEAM EDA
- 협업필터링
- 파이썬
- Semantic Segmentation
- pytorch
- DilatedNet
- 나는리뷰어다
- 3줄 논문
- Machine Learning Advanced
- 코딩테스트
- TEAM-EDA
- eda
- Image Segmentation
- DFS
- hackerrank
- Segmentation
Archives
- Today
- Total
TEAM EDA
House Prices: Advanced Regression Techniques 본문
TEAM EDA /EDA 2기 ( 2018.10.03 ~ 2019.06.01)
House Prices: Advanced Regression Techniques
김현우 2019. 9. 10. 15:40이번 자료의 분석 내용은 다음의 링크에 정리해두었습니다.
피드백
김미실버(https://brunch.co.kr/@gimmesilver/)님이 피드백해주셨습니다.
-
1. 제 생각에 이 문제에서 가장 핵심은 결측치 처리라고 생각합니다. 따라서 결측치를 처리하는 기법에 대해 좀 더 집중해보시면 좋을 것 같습니다.
-
2. 탐사 분석을 잘 하셨는데 더 나아가 각 변수들이 집값에 미치는 영향을 하나씩 비교하기 보다는 여러 변수의 상호 작용을 분석해 보시면 더 훌륭한 자료가 될 것 같습니다. 또한 다른 변수의 영향력을 없애기 위해선 집값과 변수 간의 관계가 아니라 모델의 잔차와 변수 간의 관계를 보는 것도 좋은 방법입니다.
-
3. 모델의 결과를 해석하는 방법에 대해 좀 더 공부해 보시면 좋을 것 같습니다. 변수 중요도에 대해서 정리를 하셨는데 좀 더 나아가 Partial Dependence Plot 등을 활용해 보시면 훨씬 훌륭한 자료가 될 것 같네요. 모델 해석 기법에 대해서는 https://christophm.github.io/interpretable-ml-book/agnostic.html 에 잘 정리되어 있습니다.
피드백을 반영한 수정본
-
링크 : 작성중...
'TEAM EDA > EDA 2기 ( 2018.10.03 ~ 2019.06.01)' 카테고리의 다른 글
제 5회 L.POINT Big Data Competition (0) | 2019.09.11 |
---|---|
Mission 5: 신용카드 거래 데이터 시각화 대회! (0) | 2019.09.10 |
Google Analytics Customer Revenue Prediction (0) | 2019.09.10 |
kaggle - KUC Hackathon Winter 2018 : What can you do with the Drug Review dataset? (0) | 2019.09.10 |
TEAM-EDA 2기 활동내역 (0) | 2018.11.12 |