{ "cells": [ { "cell_type": "markdown", "id": "58cf60d5-781f-4972-a394-6e6647d1ce93", "metadata": {}, "source": [ "## 타이타닉 데이터 세트 컬럼 설명\n", "\n", "* **pclass** (Passenger Class)\n", " * 승객의 티켓 등급입니다. 1등석(1), 2등석(2), 3등석(3)으로 구분되며, 당시의 사회적·경제적 지위를 나타냅니다.\n", "\n", "* **survived**\n", " * 생존 여부입니다. 생존자는 `1`, 사망자는 `0`으로 표시됩니다. 예측 모델에서 정답에 해당하는 변수입니다.\n", "\n", "* **name**\n", " * 승객의 이름입니다. 성과 이름, 그리고 Miss, Mr, Master 같은 호칭이 함께 포함되어 있습니다.\n", "\n", "* **sex**\n", " * 승객의 성별입니다. `female`(여성)과 `male`(남성)로 구분됩니다.\n", "\n", "* **age**\n", " * 승객의 나이입니다. 1세 미만의 영유아는 소수점으로 표시되어 있습니다.\n", "\n", "* **sibsp** (Siblings / Spouses)\n", " * 함께 탑승한 형제자매, 자매, 또는 배우자의 총 명수입니다.\n", "\n", "* **parch** (Parents / Children)\n", " * 함께 탑승한 부모 또는 자녀의 총 명수입니다.\n", "\n", "* **ticket**\n", " * 티켓의 고유 번호입니다.\n", "\n", "* **fare**\n", " * 탑승 요금입니다. 당시에 지불한 영국 파운드 기준의 금액입니다.\n", "\n", "* **cabin**\n", " * 객실 번호입니다. 선실의 위치를 나타내며, 누락된 값(NaN)이 많은 편입니다.\n", "\n", "* **embarked**\n", " * 승선한 항구의 이름입니다. 앞 글자만 따서 표시됩니다.\n", " * **S**: 사우샘프턴 (Southampton)\n", " * **C**: 셰르부르 (Cherbourg)\n", " * **Q**: 퀸즈타운 (Queenstown)\n", "\n", "* **boat**\n", " * 생존자가 탑승했던 구조 보트의 번호입니다. (사망자나 보트를 타지 못한 경우 NaN으로 표시됩니다.)\n", "\n", "* **body**\n", " * 사망자 중 시신을 수습한 경우에 부여된 시신 번호입니다.\n", "\n", "* **home.dest**\n", " * 승객의 거주지와 향후 목적지 정보입니다." ] }, { "cell_type": "markdown", "id": "af5047fa-95fe-4a0c-9358-bdc89d91cee0", "metadata": {}, "source": [ "`train_test_split()` 이용" ] }, { "cell_type": "code", "execution_count": 1, "id": "5964bfec-f18a-4ec6-82c8-1dc27cb75d43", "metadata": {}, "outputs": [], "source": [ "import numpy as np\n", "import pandas as pd\n", "from sklearn.linear_model import LogisticRegression\n", "from sklearn.metrics import accuracy_score, classification_report\n", "from sklearn.model_selection import train_test_split\n", "\n", "# 1. 데이터 불러오기\n", "df = pd.read_excel(\"data/titanic.xls\")" ] }, { "cell_type": "code", "execution_count": 2, "id": "70253db4-80d0-4378-abb3-c876cd35771d", "metadata": {}, "outputs": [ { "data": { "text/html": [ "

\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
0	1	1	Allen, Miss. Elisabeth Walton	female	29.0000	0	0	24160	211.3375	B5	S	2	NaN	St Louis, MO
1	1	1	Allison, Master. Hudson Trevor	male	0.9167	1	2	113781	151.5500	C22 C26	S	11	NaN	Montreal, PQ / Chesterville, ON
2	1	0	Allison, Miss. Helen Loraine	female	2.0000	1	2	113781	151.5500	C22 C26	S	NaN	NaN	Montreal, PQ / Chesterville, ON
3	1	0	Allison, Mr. Hudson Joshua Creighton	male	30.0000	1	2	113781	151.5500	C22 C26	S	NaN	135.0	Montreal, PQ / Chesterville, ON
4	1	0	Allison, Mrs. Hudson J C (Bessie Waldo Daniels)	female	25.0000	1	2	113781	151.5500	C22 C26	S	NaN	NaN	Montreal, PQ / Chesterville, ON

\n", "

" ], "text/plain": [ " pclass survived name sex \\\n", "0 1 1 Allen, Miss. Elisabeth Walton female \n", "1 1 1 Allison, Master. Hudson Trevor male \n", "2 1 0 Allison, Miss. Helen Loraine female \n", "3 1 0 Allison, Mr. Hudson Joshua Creighton male \n", "4 1 0 Allison, Mrs. Hudson J C (Bessie Waldo Daniels) female \n", "\n", " age sibsp parch ticket fare cabin embarked boat body \\\n", "0 29.0000 0 0 24160 211.3375 B5 S 2 NaN \n", "1 0.9167 1 2 113781 151.5500 C22 C26 S 11 NaN \n", "2 2.0000 1 2 113781 151.5500 C22 C26 S NaN NaN \n", "3 30.0000 1 2 113781 151.5500 C22 C26 S NaN 135.0 \n", "4 25.0000 1 2 113781 151.5500 C22 C26 S NaN NaN \n", "\n", " home.dest \n", "0 St Louis, MO \n", "1 Montreal, PQ / Chesterville, ON \n", "2 Montreal, PQ / Chesterville, ON \n", "3 Montreal, PQ / Chesterville, ON \n", "4 Montreal, PQ / Chesterville, ON " ] }, "execution_count": 2, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df.head()" ] }, { "cell_type": "code", "execution_count": 3, "id": "fe6a588a-0b03-46e7-8bea-f409f71ea406", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "\n", "RangeIndex: 1309 entries, 0 to 1308\n", "Data columns (total 14 columns):\n", " # Column Non-Null Count Dtype \n", "--- ------ -------------- ----- \n", " 0 pclass 1309 non-null int64 \n", " 1 survived 1309 non-null int64 \n", " 2 name 1309 non-null str \n", " 3 sex 1309 non-null str \n", " 4 age 1046 non-null float64\n", " 5 sibsp 1309 non-null int64 \n", " 6 parch 1309 non-null int64 \n", " 7 ticket 1309 non-null object \n", " 8 fare 1308 non-null float64\n", " 9 cabin 295 non-null str \n", " 10 embarked 1307 non-null str \n", " 11 boat 486 non-null object \n", " 12 body 121 non-null float64\n", " 13 home.dest 745 non-null str \n", "dtypes: float64(3), int64(4), object(2), str(5)\n", "memory usage: 143.3+ KB\n" ] } ], "source": [ "df.info()" ] }, { "cell_type": "code", "execution_count": 4, "id": "c896f4ec-fbf3-40da-b35b-91d01bae2f0f", "metadata": {}, "outputs": [], "source": [ "# 2. 데이터 전처리 (Preprocessing)\n", "# 예측에 필요하지 않거나 결측치가 너무 많은 컬럼을 제거합니다.\n", "drop_cols = [\"name\", \"ticket\", \"cabin\", \"boat\", \"body\", \"home.dest\"]\n", "df = df.drop(drop_cols, axis=1)\n", "\n", "# 결측치(Missing Value) 처리\n", "# 나이(age)와 요금(fare)의 빈 곳은 각 컬럼의 평균값으로 채웁니다.\n", "df[\"age\"] = df[\"age\"].fillna(df[\"age\"].mean())\n", "df[\"fare\"] = df[\"fare\"].fillna(df[\"fare\"].mean())\n", "\n", "# 탑승 항구(embarked)의 빈 곳은 가장 빈도가 높은 'S'로 채웁니다.\n", "df[\"embarked\"] = df[\"embarked\"].fillna(\"S\")\n", "\n", "# 범주형(Categorical) 데이터 변환\n", "# 성별(sex)과 탑승 항구(embarked)를 0과 1의 독립된 변수로 변환합니다.\n", "df = pd.get_dummies(df, columns=[\"sex\", \"embarked\"], drop_first=True)\n", "\n", "# 3. 데이터 분할\n", "# 예측 대상인 survived를 y로, 나머지 특징들을 X로 설정합니다.\n", "X = df.drop(\"survived\", axis=1)\n", "y = df[\"survived\"]\n" ] }, { "cell_type": "code", "execution_count": 5, "id": "50c1d4c3-e994-4a61-b9ca-09be7ea1b9b9", "metadata": {}, "outputs": [ { "data": { "text/html": [ "

\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "

	pclass	survived	age	sibsp	parch	fare	sex_male	embarked_Q	embarked_S
0	1	1	29.0000	0	0	211.3375	False	False	True
1	1	1	0.9167	1	2	151.5500	True	False	True
2	1	0	2.0000	1	2	151.5500	False	False	True
3	1	0	30.0000	1	2	151.5500	True	False	True
4	1	0	25.0000	1	2	151.5500	False	False	True

\n", "

" ], "text/plain": [ " pclass survived age sibsp parch fare sex_male embarked_Q \\\n", "0 1 1 29.0000 0 0 211.3375 False False \n", "1 1 1 0.9167 1 2 151.5500 True False \n", "2 1 0 2.0000 1 2 151.5500 False False \n", "3 1 0 30.0000 1 2 151.5500 True False \n", "4 1 0 25.0000 1 2 151.5500 False False \n", "\n", " embarked_S \n", "0 True \n", "1 True \n", "2 True \n", "3 True \n", "4 True " ] }, "execution_count": 5, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df.head()" ] }, { "cell_type": "code", "execution_count": 6, "id": "dff2673a-50ae-4bfe-bd0c-7550e7cee470", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "모델 정확도(Accuracy): 0.7748\n", "\n", "[상세 평가지표 수치]\n", " precision recall f1-score support\n", "\n", " 0 0.75 0.88 0.81 144\n", " 1 0.82 0.64 0.72 118\n", "\n", " accuracy 0.77 262\n", " macro avg 0.78 0.76 0.77 262\n", "weighted avg 0.78 0.77 0.77 262\n", "\n" ] } ], "source": [ "# 전체 데이터를 학습용과 검증용으로 8:2 비율로 나눕니다.\n", "X_train, X_test, y_train, y_test = train_test_split(\n", " X, y, test_size=0.2, random_state=42\n", ")\n", "\n", "# 4. 로지스틱 회귀(Logistic Regression) 모델 학습\n", "model = LogisticRegression(max_iter=1000)\n", "model.fit(X_train, y_train)\n", "\n", "# 5. 모델 평가\n", "y_pred = model.predict(X_test)\n", "\n", "# 결과 출력\n", "accuracy = accuracy_score(y_test, y_pred)\n", "print(f\"모델 정확도(Accuracy): {accuracy:.4f}\")\n", "print(\"\\n[상세 평가지표 수치]\")\n", "print(classification_report(y_test, y_pred))" ] }, { "cell_type": "markdown", "id": "fa4af44e-c385-42e3-9de8-d90a45e47b58", "metadata": {}, "source": [ "`cross_val_score()` 이용" ] }, { "cell_type": "code", "execution_count": 7, "id": "131ad46c-5a1d-4302-8795-1eab70d1b9b0", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "[5분할 교차 검증별 정확도]\n", "1번째 폴드 정확도: 0.5420\n", "2번째 폴드 정확도: 0.8550\n", "3번째 폴드 정확도: 0.8168\n", "4번째 폴드 정확도: 0.7328\n", "5번째 폴드 정확도: 0.6705\n", "\n", "--- 최종 평가 결과 ---\n", "평균 정확도(Mean Accuracy): 0.7234\n" ] } ], "source": [ "import numpy as np\n", "import pandas as pd\n", "from sklearn.linear_model import LogisticRegression\n", "# 교차 검증을 위한 라이브러리 추가\n", "from sklearn.model_selection import cross_val_score\n", "\n", "# 1. 데이터 불러오기\n", "df = pd.read_excel(\"data/titanic.xls\")\n", "\n", "# 2. 데이터 전처리 (Preprocessing)\n", "drop_cols = [\"name\", \"ticket\", \"cabin\", \"boat\", \"body\", \"home.dest\"]\n", "df = df.drop(drop_cols, axis=1)\n", "\n", "# 결측치(Missing Value) 처리\n", "df[\"age\"] = df[\"age\"].fillna(df[\"age\"].mean())\n", "df[\"fare\"] = df[\"fare\"].fillna(df[\"fare\"].mean())\n", "df[\"embarked\"] = df[\"embarked\"].fillna(\"S\")\n", "\n", "# 범주형(Categorical) 데이터 변환\n", "df = pd.get_dummies(df, columns=[\"sex\", \"embarked\"], drop_first=True)\n", "\n", "# 3. 데이터 설정\n", "# 교차 검증 함수가 내부에서 데이터를 나누므로 train_test_split은 제외합니다.\n", "X = df.drop(\"survived\", axis=1)\n", "y = df[\"survived\"]\n", "\n", "# 4. 로지스틱 회귀(Logistic Regression) 모델 정의\n", "model = LogisticRegression(max_iter=1000)\n", "\n", "# 5. 교차 검증 수행\n", "# cv=5 설정을 통해 데이터를 5개로 나누어 모델 성능을 평가합니다.\n", "scores = cross_val_score(model, X, y, cv=5, scoring=\"accuracy\")\n", "\n", "# 6. 결과 출력\n", "print(\"[5분할 교차 검증별 정확도]\")\n", "for i, score in enumerate(scores, 1):\n", " print(f\"{i}번째 폴드 정확도: {score:.4f}\")\n", "\n", "print(\"\\n--- 최종 평가 결과 ---\")\n", "print(f\"평균 정확도(Mean Accuracy): {np.mean(scores):.4f}\")" ] }, { "cell_type": "code", "execution_count": 8, "id": "7def3d9d-5fe2-40c7-9eab-e8751c76c579", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "[5분할 교차 검증별 정확도]\n", "1번째 폴드 정확도: 0.5382\n", "2번째 폴드 정확도: 0.8550\n", "3번째 폴드 정확도: 0.8168\n", "4번째 폴드 정확도: 0.7290\n", "5번째 폴드 정확도: 0.6743\n", "\n", "--- 최종 평가 결과 ---\n", "평균 정확도(Mean Accuracy): 0.7227\n", "정확도 표준편차(Std Dev): 0.1121\n" ] } ], "source": [ "import numpy as np\n", "import pandas as pd\n", "from sklearn.linear_model import LogisticRegression\n", "# 교차 검증 및 파이프라인 라이브러리 추가\n", "from sklearn.model_selection import cross_val_score\n", "from sklearn.pipeline import make_pipeline\n", "from sklearn.preprocessing import StandardScaler\n", "\n", "# 1. 데이터 불러오기\n", "# 지정해주신 경로의 구형 엑셀 파일(.xls)을 읽어옵니다.\n", "df = pd.read_excel(\"data/titanic.xls\")\n", "\n", "# 2. 데이터 전처리 (Preprocessing)\n", "# 분석에 부적절하거나 불필요한 컬럼 제거\n", "drop_cols = [\"name\", \"ticket\", \"cabin\", \"boat\", \"body\", \"home.dest\"]\n", "df = df.drop(drop_cols, axis=1)\n", "\n", "# 결측치(Missing Value) 처리\n", "df[\"age\"] = df[\"age\"].fillna(df[\"age\"].mean())\n", "df[\"fare\"] = df[\"fare\"].fillna(df[\"fare\"].mean())\n", "df[\"embarked\"] = df[\"embarked\"].fillna(\"S\")\n", "\n", "# 범주형(Categorical) 데이터 변환 (원-핫 인코딩)\n", "df = pd.get_dummies(df, columns=[\"sex\", \"embarked\"], drop_first=True)\n", "\n", "# 3. 데이터 분할\n", "# 예측 대상인 survived를 y로, 나머지를 X로 설정합니다.\n", "X = df.drop(\"survived\", axis=1)\n", "y = df[\"survived\"]\n", "\n", "# 4. 파이프라인 생성 (스케일러 + 모델)\n", "# 교차 검증 시 폴드(Fold)별로 스케일링이 독립적으로 적용되도록 파이프라인을 만듭니다.\n", "pipeline = make_pipeline(StandardScaler(), LogisticRegression(max_iter=1000))\n", "\n", "# 5. 교차 검증(Cross Validation) 수행\n", "# cv=5는 데이터를 5개의 구역으로 나누어 5번 교차 검증을 수행한다는 의미입니다.\n", "scores = cross_val_score(pipeline, X, y, cv=5, scoring=\"accuracy\")\n", "\n", "# 6. 결과 출력\n", "print(\"[5분할 교차 검증별 정확도]\")\n", "for i, score in enumerate(scores, 1):\n", " print(f\"{i}번째 폴드 정확도: {score:.4f}\")\n", "\n", "print(\"\\n--- 최종 평가 결과 ---\")\n", "print(f\"평균 정확도(Mean Accuracy): {np.mean(scores):.4f}\")\n", "print(f\"정확도 표준편차(Std Dev): {np.std(scores):.4f}\")" ] }, { "cell_type": "markdown", "id": "53b28b79-8197-4726-a0d1-d3917ba3da29", "metadata": {}, "source": [ "`make_pipeline()`을 이용한 처리" ] }, { "cell_type": "code", "execution_count": 9, "id": "7ea6c969-c339-4c7e-a8cb-d8f9a5c03bb5", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "[0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 1 1 0 1 0 0 0 0 1 0 1 1 1 0 0 0 1 0 0 1\n", " 0 1 1 1 0 1 0 0 0 0 1 1 1 1 0 0 1 0 0 0 1 0 1 0 0 1 0 1 1 1 0 0 0 0 0 0 0\n", " 0 0 0 1 0 1 0 0 0 0 1 0 0 1 1 1 1 0 1 0 0 0 0 1 0 1 0 0 1 1 0 0 1 0 1 1 0\n", " 0 0 1 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 1 1 0 0 0 1 0 0 0 1 0 0 1 1 0 1 0 0\n", " 1 0 1 1 0 0 0 0 1 0 0 0 0 1 0 0 1 1 0 1 0 1 1 1 1 1 1 0 1 0 1 0 1 1 0 1 0\n", " 1 0 0 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 1 1 0 0 0 1 0\n", " 1 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 0 0 0 1 1\n", " 1 0 1]\n" ] } ], "source": [ "from sklearn.linear_model import LogisticRegression\n", "from sklearn.pipeline import make_pipeline\n", "from sklearn.preprocessing import StandardScaler\n", "\n", "# 파이프라인 정의: 스케일링 후 로지스틱 회귀 실행\n", "pipeline = make_pipeline(StandardScaler(), LogisticRegression(max_iter=1000))\n", "\n", "# 사용법은 단일 모델과 완전히 같습니다.\n", "# 1. 학습하기 (내부에서 스케일링 변환과 모델 학습이 연달아 일어남)\n", "pipeline.fit(X_train, y_train)\n", "\n", "# 2. 예측하기 (내부에서 학습 때 사용한 기준대로 테스트 데이터를 자동 변환 후 예측)\n", "y_pred = pipeline.predict(X_test)\n", "print(y_pred)" ] }, { "cell_type": "code", "execution_count": null, "id": "1064413d-8fa6-465a-a5bd-6f45f8853276", "metadata": {}, "outputs": [], "source": [] } ], "metadata": { "kernelspec": { "display_name": "Python 3 (ipykernel)", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.11.15" } }, "nbformat": 4, "nbformat_minor": 5 }