세미프로젝트 05 PPT, 발표에서 배운점

 

 

 

 

 

 

세미프로젝트 발표

1. 분석 수행 절차

[체지방률에 가장 영향을 미치는 지수 분석]

주제와 변수 선택이 적절

시각화 과정이 깔끔하고, 한 눈에 들어옴

단순회귀분석 후 영향 없는 변수 탈락 -> 추가분석 진행

회귀분석 -> 회귀선 시각화

 

2. 변수선택과 다중공선성 처리

[FIFA 발롱도르 순위 예측]

후보 30인 데이터프레임 서브셋 간단하게 요약 입력하는 함수 사용

상관계수 0.2 미만 칼럼 제거 판단

regsubsets함수로 설명력 높은 독립변수 채택

다중공선성 해결될때까지 상관계수 높은 변수 제거하는 방식

한계점 분석 (누적 데이터의 신뢰도, 결측치 처리 후 분석 정확도 하락)

 

3. 자료수집(네이버 뉴스 크롤링)

[이광수 하차 이후 런닝맨의 변화]

불용어 전처리 gsub함수 사용

잘못된 데이터 수집 방법으로 한계점 발생한 부분과 향후 분석 계획 안내

 

4. 기관이나 기업 상용성

[서울 시 부동산 실거래 가격 비교]

실거래가 데이터 poxplot 이상치를 모두 제거한 이유가 궁금

지역/사용용도 변수를 등분산성 검정(동질성 확인) > 비모수 검정 kruskal.test() 이용 > 의사결정나무로 설명력

 

[출산율에 미치는 요인 분석]

변수 선정 이유와 설명력 부족

결측치 처리, 상관분석 이후 남게 된 요인 수가 너무 적어서 모델 예측력과 설명력 저하되는 점이 아쉬움

 

5. 최근 이슈 & 텍스트분석

[오징어게임 리뷰 분석]

탐색적 데이터 분석 과정에서 평점에 대한 빈도 분포를 먼저 확인, 사이트 특성과 평점에 대한 간단한 주석, 시간에 따른 리뷰 수 변화

제목에 대한 주요 단어 선정 이유 안내

korean, show같은 의미없는 상위 노출 단어는 전처리로 제하는 게 낫지 않았을까?

 

 

느낀점

- 변수와 분석 도구를 적절하게 매치시키는 능력이 더 필요하다.
- 주제 선정 시, 데이터의 한계점을 염두해두어야 한다.
- 의미있는 결과물을 만들어 내는 것은 무척 어렵다. 많은 생각이 필요하다.