* 본 강의는 데이터캠퍼스 유료회원만 신청이 가능한 과정입니다.

유료회원은 이용하고자 하는 케이스 강의를 신청 해주시면 관리자가 확인 후 수강이 가능하도록 조치해 드립니다.

평일 근무시간 기준으로 1시간 이내 수강 가능하며, 주말에는 월요일 오전 중에 수강이 가능하도록 조치해드립니다.

######### 과제 소개 ############

본 과제는 Python으로 머신러닝의 로지스틱, 서포트벡터머신, 의사결정나무 알고리즘을 이용해 수행하는 소과제 풀이 영상입니다. 

데이터사이언스 Python의 머신러닝 강좌 중 로지스틱, 서포트벡터머신, 의사결정나무 알고리즘 강의(로지스틱 회귀분석의 개념과 원리. 로지스틱 회귀분석 실습. 서포트 벡터 머신(SVM)의 개념과 원리, 서포트 벡터 머신 분석실습, 의사결정나무(Decision Tree)의 개념과 원리, 의사결정나무 분석실습) 까지 수강하신 분 중 본인의 실력테스트 및 실전 데이터를 다루는 연습을 하고자 하는 수강생들에게 적합한 과제입니다. 

데이터설명: :284,807명의 신용카드 거래 데이터

소과제 내용: 

1. ‘creditcard.csv＇자료를 이용해 로지스틱 회귀분석 전 과정을 수행해보시오.

1) Train data 1번~15만개, Test data는 나머지로 구분해서 수행하시오

2) 예측변인 중 Time은 제외하고 수행하고, 종속변수인 Class는 0: 정상, 1: 사기로 구분되어 있습니다.

3) 파라미터를 변화시키면서 최적의 분류 예측 결과를 도출하시오

2. ‘creditcard.csv＇자료를 이용해 SVM 전 과정을 수행해보시오.

1) Train data 1번~15만개, Test data는 나머지로 구분해서 수행하시오

2) 예측변인 중 Time은 제외하고 수행하고, 종속변수인 Class는 0: 정상, 1: 사기로 구분되어 있습니다.

3) 파라미터를 변화시키면서 최적의 분류 예측 결과를 도출하시오

3. ‘creditcard.csv＇자료를 이용해 의사결정나무분석 전 과정을 수행해보시오.

1) Train data 1번~15만개, Test data는 나머지로 구분해서 수행하시오

2) 예측변인 중 Time은 제외하고 수행하고, 종속변수인 Class는 0: 정상, 1: 사기로 구분되어 있습니다.

3) 파라미터를 변화시키면서 최적의 분류 예측 결과를 도출하시오

4. 앞의 3가지 방법 중 분석 데이터의 분류/예측에 최적인 머신러닝 방법을 선택해보시오.