Python | Dacon Lv1 | Review

데이터 다운로드

---

아래 셀을 실행시켜 데이터를 colab에 불러옵니다.
셀 실행은 Ctrl + Enter 를 이용해 실행 시킬 수 있습니다.

In [ ]:

# 데이터 다운로드 링크로 데이터를 코랩에 불러옵니다.

!wget 'https://bit.ly/3gLj0Q6'

import zipfile
with zipfile.ZipFile('3gLj0Q6', 'r') as existing_zip:
    existing_zip.extractall('data')

 

라이브러리 불러오기

---

In [ ]:

# Pandas 와 Scikit-learn 라이브러리를 불러오세요
import pandas as pd
import sklearn

 

데이터 불러오기

---

In [ ]:

# train.csv 와 test.csv 를 DataFrame 클래스로 불러오세요
train = pd.read_csv('train.csv 경로')
test = pd.read_csv('test.csv 경로')

 

데이터 정보 관찰하기

---

In [ ]:

# head() 를 사용해 데이터 정보를 관찰하세요
train.head()
test[:5]
test.tail()

 

데이터 행열 갯수 관찰

---

In [ ]:

# shape 를 사용해 데이터 크기를 관찰하세요
train.shape
test.shape

 

결측치 확인

---

In [ ]:

# info() 를 사용해 결측치가 있는지 확인하세요.
train.info()
test.info()

 

결측치 전처리

---

In [ ]:

# dropna() 를 사용해 train 데이터는 결측치를 제거하고
# fillna() 를 사용해 test 데이터 결측치는 0 으로 대체하세요.
# 그리고 결측치의 갯수를 출력하여 확안하세요.
train = train.dropna()
test = test.fillna(0)

print('train`s NaN ='+train.isnull.sum())
print('test`s NaN ='+test.isnull.sum())

 

모델 훈련

---

In [ ]:

# train 데이터의 count 피쳐를 뺀 것을 X_train 으로 할당하세요.
# train 데이터의 count 피쳐만을 가진 것을 Y_train 으로 할당하세요.
# 회귀의사결정나무를 선언하고 fit() 으로 훈련시키세요.
from sklearn import DecisionTreeRegressor
model = DecisionTreeRegressor()

X_train = train.drop(['count'], axis = 1)
Y_train = train['count']

model.fit(X_train, Y_train)

 

테스트 파일 예측

---

In [ ]:

# predict() 을 이용해 test data 를 훈련한 모델로 예측한 data array 를 생성하세요.
pred = model.predict(test)

pred.head()

 

submission 파일 생성

---

In [ ]:

# submission.csv 를 불러오세요.
# submission df 의 count 피쳐에 예측한 결과를 덧입히세요.
# submission df 를 to_csv() 를 이용해 csv 을 생성하세요. *index=False) 
sub = pd.read_csv('submission.csv 경로')
sub['count'] = pred
sub.to_csv('sub.csv', index=False)

 

 

---

* 모델 훈련 > 예측 부분 한 번 더 복습하기 ✔