[TIL] 데이터분석 데브코스 7일차 - 데이터 종류/타이타닉 승객 생존여부 예측/

엑셀 기준) 데이터 종류

 

1. 숫자 데이터

숫자로 이루어진 데이터. 계산이 가능하다.

가장 많이 사용됨

숫자 0~9, +/-, 화폐기호, 소수점, 등

ex) 180, 56%, 4000$, -10

 

2. 문자 데이터

- 문자와 숫자가 혼합된 데이터도 문자 데이터로 분류된다. 계산이 불가능하다.

특정 함수 사용이 불가능하다.

문자열 함수를 사용 가능하다.

ex) 010-3323-2123, 사과

 

3. 날짜 데이터

년/월/일 등의 날짜를 표시하기 위한 데이터. 계산이 가능하다

숫자 1 = 하루 (1 = 24시간, 0.4 = 12시간)

날짜 데이터에서만 특정 함수를 사용할 수 있음

ex) 2023-10-02, 2023/10/02

 

4. 기타

- 논리데이터

- 시간 데이터

- 수식 데이터

 

 

- 승객명, 성별 = 문자데이터

- 나이, 순번 = 숫자데이터

- 날짜 = 날짜데이터

 

 

 

 

실습) 타이타닉 문제

승객의 생존 여부 예측

데이터 분석 입문할때 가장 많이 사용됨

 

순번 - 날짜 데이터

승객명, 성별 - 문자 데이터

나이, 탑승석 등급 - 숫자데이터

 

 

위의 데이터 범주를 활용해서 자신만의 지식을 바탕으로 승객의 생존 여부를 예측해보자.

10의 승객에 대한 정보 확인

사망 = 0, 생존 = 1

 

1,0,1,1,1,0,0,0,1,1

 

도메인 지식

: 전문화된 학문이나 해당 분야의 지식

 

데이터 분석가에게 있어 필요한 지식은?

1. 프로그래밍 지식

- 컴퓨터 과학 지식(CS)

- 프로그래밍 언어

- 데이터 베이스

- 각종 프레임 워크

- AWS, Firebase

 

2. 도메인 지식

- 비즈니스 이해/지식

- 전략적 사고/기획력

- 문제 해결 능력

- 전문화된 특정 분야 지식

 

3. 수학&통계학 지식

- 머신러닝

- 통계적 모델링

- 최적화

- 각종 수학적 지식(ex. 선형대수, 미적분)

 

1&2 -> 위험

2&3 -> 전통적 통계 분석

3&1 -> 머신러닝

 

 

타이타닉 실습에서) 도메인 지식

: 전문적인 or 시대적인 배경에 대한 지식을 습득한 후 실습 진행

 

1) 1912년 당시 'Lady First'라는 개념이 있었기 때문에 여성과 아이를 우선적으로 구출

-> 여성과 아이라면 웬만하면 생존했을 것이다/남자라면 대부분 사망했을 것이다

2) 승객에는 부자/일반인/가난한 이민자 등의 부류가 있고 객실은 1/2/3등급으로 분류

3) 가난한 이민자는 주로 3등급 객실 사용

4) 3등급 객실은 미로처럼 복잡하고 영어 사용이 불가능한 승객들이 다수 있었음

-> 3등급을 사용하는 가난한 이민자들은 대부분 사망했을 것이다/1등급을 사용하던 승객들은 대부분 생존했을 것이다

 

 

도메인 지식을 기반으로 여러가지 가설과 규칙을 세운 후 실습 진행. 단, 아ㅏㅍ에 있는 문제와 데이터셋이 달라졌기 때문에 새로운 정답을 제출해야 함.