[Binary classification : Tabular data] / 3rd level / 지도학습

 

Kaggle Study

Binary Classification: Tabular data

 

 

3rd level. Home Credit Default Risk

• Introduction: Home Credit Default Risk Competition
• Introduction to Manual Feature Engineering
• Stacking Test-Sklearn, XGBoost, CatBoost, LightGBM
• LightGBM 7th place solution

 

💡Tabular Data란?

: 표로 구성된 데이터를 의미하며, 데이터의 가장 일반적인 형태라고 볼 수 있다.

 

 

1️⃣ 문제 설명

• 분석 목표: 과거 대출 신청 데이터를 분석하여 신청자가 미래에 대출을 상환할 수 있는지 예측한다.
• 학습 방법: 지도 학습의 분류 문제
• 분류 방법: 0(대출 상환 가능), 1(대출 상환 어려움)

 

2️⃣ 데이터 설명

• 사용 데이터: application_train/application_test
• 데이터 식별자 컬럼: SK_ID_CURR (고객마다 가지는 고유 ID라고 생각하면 됨)
• 데이터 정답 컬럼: TARGET (0: 대출 상환했음 1: 상환 못함)

 

*대출 상환: 대출받은 원금과 이자를 갚는 방식

 

 

---

지도학습과 비지도 학습

---

 

💡지도 학습(Supervised Learning)과 비지도 학습(Unsupervised Learning)이란?

1️⃣ 지도 학습

• 정답을 알려주고 분석을 진행한다.
• 예측이나 분류를 통해 얼마나 정답을 잘 맞췄는지를 확인할 수 있다.
• 예측: Linear Regression
• 분류: Decision Tree, Logistic Regression

 

2️⃣ 비지도 학습

• 정답이 주어지지 않는다.
• 유사한 데이터들이 군집으로 나눠지게 만들어준다.
• 군집화: K-Means Clustering, Text Mining