[AICE Basic] 문제 유형 구분 및 풀이 방법

알고리즘 유형 문제

분류와 회귀

후반 문제의 모델 성능 지표를 보고 알 수 있다

Accuracy / Recall / Precision => 분류

MSE / MAE => 회귀

 

결측치 문제

데이터분석 > 기초정보분석 메뉴

missing 수 

전체갯수도 확인하고 각각 몇개씩있는지 확인도 필요

 

컬럼 특정 값 개수

데이터분석 > 기초정보분석 메뉴

특정 값을 구하면 된다.

 

통계량 문제

데이터분석 > 기초정보분석 메뉴에서 확인

mean(평균값) / median(중위수, 중앙값) / sd(표준편차) / Q3 제3사분위

IQR = Q3 - Q1

 

상관관계 문제

데이터분석 > 시각화분석 > 히트맵 메뉴

양의 관계 / 음의 관계 확인

 

분포관련 문제

데이터분석 > 시각화분석 > 분포차트 메뉴

구하고자하는 값 - X로 설정

구분 하고자하는 값 - Hue로 설정

 

박스차트 문제

데이터분석 > 시각화분석 > 박스차트 메뉴

구하고자하는 값 - Y로 설정

구분 하고자하는 값 - X로 설정

 

데이터 가공 문제

수치형의 경우 most_frequent(최빈값), median(중간값), mean(평균값), constant(상수값) 등으로 대체 가능

범주형의 경우 most_frequent(최빈값), constant (특정 설정) 값 등으로 대체 가능

 

머신러닝 성능 비교 문제

Regression(회귀) / Classification(분류) 구분

Accuracy / Recall / Precision / f1 score / R2 - 클수록 좋음

MSE / MAE - 작을 수록 좋음

 

딥러닝 문제

성능 비교 Accuracy / Recall / Precision

범주형 인코더 주의

 

변수 영향도 문제

 

시뮬레이션 문제

TIP. 해당 문제를 통해 변수값이 가공이 되었어야 하는지 알 수 있다. 변수명 뒤에 _IM , _SS 등 이 나온다면 변수 가공이 들어갔다는 걸 알수 있다.

 

딥러닝 성능 개선 문제 

이전 딥러닝 문제에서 바로 이어서하면 귀찮음을 줄일수있고 실수도 줄일수 있다.