* 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 범주형 레이블 알고리즘을 모두 이용해 수행하는 소과제 풀이 영상입니다. 

데이터사이언스 Python의 머신러닝 강좌 중 로지스틱, 서포트벡터머신, 의사결정나무, 랜덤 포레스트(Random Forest),투표기반 앙상블 기법과 분석실습 까지 수강하신 분 중 본인의 실력테스트 및 실전 데이터를 다루는 연습을 하고자 하는 수강생들에게 적합한 과제입니다. 

데이터설명: :영국 보스턴 시의 주택 가격에 대한 데이터 (506건)

소과제 내용: 

1. ‘boston.csv＇자료를 이용해 K-Nearest Neighbor 전 과정을 수행해보시오.

1) Train Data와 Test Data는 train_test_split을 이용하여 분류하시오 (random_state=42)

2) 우선 임의의 파라미터를 설정해서 분석하시오. 또한 이를 Confusion Matrix로 나타내시오

3) 이후 Grid Search 방법을 이용하여 Best Parameter를 찾아보시오

4) 찾은 Best Parameter를 이용하여 모델을 튜닝하여 분석하시오

5) 튜닝한 모델을 통해 분석한 데이터를 Confusion Matrix로 나타내고 튜닝 전 모델과 비교하시오

2. ‘boston.csv＇자료를 이용해 로지스틱 회귀 분석 전 과정을 수행해보시오.

1) Train Data와 Test Data는 train_test_split을 이용하여 분류하시오 (random_state=42)

2) 우선 임의의 파라미터를 설정해서 분석하시오. 또한 이를 Confusion Matrix로 나타내시오

3) 이후 Random Search 방법을 이용하여 Best Parameter를 찾아보시오

4) 찾은 Best Parameter를 이용하여 모델을 튜닝하여 분석하시오

5) 튜닝한 모델을 통해 분석한 데이터를 Confusion Matrix로 나타내고 튜닝 전 모델과 비교하시오

3. ‘boston.csv＇자료를 이용해 SVM 전 과정을 수행해보시오.

1) Train Data와 Test Data는 train_test_split을 이용하여 분류하시오 (random_state=42)

2) 우선 임의의 파라미터를 설정해서 분석하시오. 또한 이를 Confusion Matrix로 나타내시오

3) 이후 Random Search 방법을 이용하여 Best Parameter를 찾아보시오

4) 찾은 Best Parameter를 이용하여 모델을 튜닝하여 분석하시오

5) 튜닝한 모델을 통해 분석한 데이터를 Confusion Matrix로 나타내고 튜닝 전 모델과 비교하시오

4. ‘boston.csv＇자료를 이용해 Random Forest 전 과정을 수행해보시오.

1) Train Data와 Test Data는 train_test_split을 이용하여 분류하시오 (random_state=42)

2) 우선 임의의 파라미터를 설정해서 분석하시오. 또한 이를 Confusion Matrix로 나타내시오

3) 이후 Random Search 방법을 이용하여 Best Parameter를 찾아보시오

4) 찾은 Best Parameter를 이용하여 모델을 튜닝하여 분석하시오

5) 튜닝한 모델을 통해 분석한 데이터를 Confusion Matrix로 나타내고 튜닝 전 모델과 비교하시오

5. ‘boston.csv＇자료를 이용해 앙상블 모델 다중 분류 과정을 수행해보시오.

1) 강한 학습기(hard learner)를 작성하고 결과를 Confusion Matrix로 나타내시오

2) 약한 학습기(soft learner)를 작성하고 결과를 Confusion Matrix로 나타내시오