MINI's STAT.ION

2021.06.29 - [삼성 Brightics] - [Brightics | 실습] 스포티파이(spotify) 데이터로 음악 취향 고르기 :: 군집분석(k-means) Brightics 서포터즈 활동 CLOSE합니다. 아뇨... CLOSE to Brightics 합니다... 브라이틱스와 한 단계 더 가까워지겠습니다 ^_^ 하루종일 브라이틱스 얘기만 하겠습니다 ​ 오늘은 정말 안올 것만 같던 브라이틱스와의 마지막 ! 포스팅을 하는 날이에요 ㅠㅠ 지난 시간까지 진행했던 개인 분석 프로젝트 마무리 과정부터 전반적인 서포터즈활동을 총 정리해보는 시간을 가져볼까합니다. ​ 지난 6월부터 10월까지​ 한 주도 빠짐없이 브라이틱스 활동을 진행해왔는데요, 저 중에 마지막 수료식 !! 이 생략이 되어버려 내심 아쉬운 것..

​ 드디어 드디어 다시 돌아온 [Brightics | Basic] 기초 튼튼 편, 이번 시간에는 전처리 단계를 정리해보았어요! ​ ​ 제 포스팅 유입 현황을 쭈욱 살펴보니 많은 분들께서 단편적이고 한 번에 정보를 얻어갈 수 있는 글에 많이들 관심을 가져주고 계시더라구요 ! ​ ​ 특히, 지난 포스팅 중 여러 사이트를 통한 데이터 수집 방법 (링크 클릭!) 과 결측치 처리 방법 (링크 클릭!) 을 검색해 들어오시는 분들이 정말 많았어요 +_+ (감사합니다♡) 그래서 Brighitcs로 하는 전처리 방법을 잠깐 알짜배기로 정리해봤습니다 !_! ​ ​ ​ 저와 데이터를 수집해보았으니, 분석하기 쉽게 데이터를 나에게 맞게 고쳐주는 작업이 필요하겠죠? 이를 우리는 데이터 전처리(pre-processing)이라고 ..

​ 벌써 20주차가 되어가는 브라이틱스 활동 ! 시간이 정말 빨리 흐르는 것 같습니다 🥺🥺 오늘은 더 힘차게 더 파이팅 넘치게 시작해볼까요 ?!!! 잠깐 정리를 해보자면 지난 시간까지 방법으로 1) 건강수준별로 지역 군집을 해석해보았고, 2) 지리적 위치가 건강수준에 미치는 영향을 확인해보았고, 3) 자치구 지역별 운동 인프라의 균형도를 파악​해보았습니다 . ​ 이번 시간에는, 건강수준에 영향을 미치는 요인으로 과연 소득수준, 경제수준이 과연 연관이 있을지 ! 상관분석을 통해 알아보고자 합니다. ​ ​ 따라서 추가적 데이터 수집 과정을 거쳤는데요 , ​ ​ 서울 열린 데이터 광장의 를 활용했습니다 . https://data.seoul.go.kr/dataList/11063/S/2/datasetView.do..

​ 안녕하세요 ! 브라이틱스 서포터즈 김유민입니다. 이번 시간에는 저번 시간에 이어 ! 서울 시에 위치하고 있는 여러 운동 시설들의 위치를 한 눈에 볼 수 있게 지도에 시각화해보려고 해요 ​ 지난 시간에는 단순히 군집별로 같은 색을 사용해서 각 시군구마다 어떤 군집인지를 확인할 수 있었다면, 이번에는 여러 시설들이 시군구 곳곳에 어떻게 자리잡고 있는지를 좀 더 업그레이드 버전 ! 으루 만나보실 수 있을 겁니다. ⏩⏩⏩ ​ ​ (여러분들의 흥미를 돋우기 위해서 완성본 투척) 지도 시각화를 위한 기본적인 준비과정은 아래 포스팅을 참고해주세요 :) [Brightics | 프로젝트] 서울시 지도 시각화하기 : 브라이틱스 Map vs 파이썬 Forlium 비교 이번 시간은 지난 포스팅에서 예고한 대로 브라이틱스를..

이번 시간은 지난 포스팅에서 예고한 대로 브라이틱스를 활용한 지도 시각화 방법을 공유해드릴까 합니다 !! ​ ​ 아무래도 도시 연구나 지역 간 비교를 할 때 직접 지도 위에서 수치를 나타내면 더 한 눈에 이해하기 쉽죠. 여러분들은 주로 어떤 방식으로 구현하고 계신가요 ?? ​ ​ 아마 많은 분들께서​ 파이썬 내장 라이브러리인 Forlium을 사용하실 것 같아요 . 저도 마찬가지구요 !! 그래서 이번 시간엔 동일한 분석과정에 대해서 파이썬의 Forlium 기능과 브라이틱스의 Map 기능을 동시에 보여드릴테니 선택은 여러분의 몫입니다 ㅎㅎ ~! ​ 파이썬 Forlium [ 사용 데이터 ] : 먼저 저는 지난 시간에 완성한 건강고위험군 군집을 사용할 예정이에요. 건강 고위험군으로 군집화한 지역을 지도 상에 나..

​ 지난 시간, 서울시 건강 고위험군 지역을 군집화하기 위해서 지표 선정을 위한 데이터를 수집해주었는데요 ! ​ 해당 포스팅은 아래 링크에서 확인하실 수 있습니다 :_: [Brightics | 프로젝트] 서울시 건강 고위험 지역 군집화 (1) 나만의 위험군 지표 선정하기 ​ 이번 시간은 개인프로젝트의 PART 2 ! 서울시 건강 고위험 최상위 지역군을 군집화해보는 시간이에요 . ​ ​ 먼저 건강 적신호의 최상위 군집을 군집화하기 위해선, '건강 고위험군'이 뭔지 ! uumini.tistory.com ​ 그럼 이제 본격적으로 지역 군집화 과정을 진행해보도록 할게요! ​ 들어가기 전에 한 가지 아쉬운 소식이 있는데요 ㅜㅜㅜ 지표 중 하나로 쓰기로 마음 먹었던 데이터가 아직까지 업로드 되지 않았더라구요 .....

​ 이번 시간은 개인프로젝트의 PART 2 ! 서울시 건강 고위험 최상위 지역군을 군집화해보는 시간이에요 . ​ ​ 먼저 건강 적신호의 최상위 군집을 군집화하기 위해선, '건강 고위험군'이 뭔지 ! 어떤 데이터로 이를 설명해야하는지 ! 가 저의 프로젝트의 가장 핵심이이라고 할 수 있어요! 데이터분석 과정에서 필요한 역량에 대해 떠올려보면, 물론 분석역량과 분석언어(r, python..)를 다루는 스킬들도 중요하지만 ​ 저는 개인적으로 분석과제를 수행할 때에 있어선 프로젝트 흐름의 유기성과 근거의 논리성을 갖추는게 간과하기 쉽지만 정말 정말 정말 .. 심혈을 기울여야하는 작업이라고 생각해요! 다른 사람과의 차별점 / 나만의 완성물을 얻는 것을 목표로 나의 논리가 다른 사람의 고개도 끄덕이게 만들 수 있는 ..

​ 저는 현재 "서울시 건강 고위험 지역 분류 기반, 포스트코로나 시대를 위한 현대인의 건강증진 방향 제시' 에 대한 개인분석을 진행 중인데요, ​ 이번 시간은 분석의 첫 번째 PART의 핵심 ! 현재 코로나19 이후 국민들의 건강실태가 얼만큼 변화하였는지를 데이터로 직접 확인해보도록 할게요 ➛➛➛ ​ ​ /* 속성 전처리 가이드 */ 먼저 select column 으로 null 값으로 구성된 칼럼들(2008년 2018년)은 drop 해줍니다. ​ 그리고 세종시의 2009,2010,2011 자료가 항상 누락되는 점을 확인할 수 있는데요, 이는 바로 세종시가 2012년 7월 출범했기 때문이겠죠 ! 그래서 특정 값이 아닌 측정되지 않음을 의미하는 0으로 대체해줍니다. ​ 이처럼 데이터 활용능력만이 아닌, 배..

다들 한 주동안 잘지내셨나요 ~? 드디어 9월 새학기가 시작되고 전 이번에도 어김없이 개강을 맞이하게 되었는데요. 수강신청도 하고 강의계획서도 읽어보고 ~ 정말 개강을 슬슬 실감하고 있어요. ​ ​ 지난 주 멘토님들의 조언을 얻고 한층 탄탄해진 계획을 바탕으로 이제 본격적으로 데이터를 만져보도록 하겠습니다 :) 이건 제가 지난 첫 계획에서 세운 타임라인인데요, 모든 데이터들을 한꺼번에 전처리하기 보다는 분석개요를 3개의 파트로 나눠서 파트 별로 순차적으로 진행하는게 흐름 상 좋을 것 같더라구요 ! ​ ​ 그래서 오늘과 다음 시간에는 2020 코로나 이후 국민들의 건강실태 파악하는 현황 분석을 PART 1 으로 잡고 진행해볼까합니다 ! ​ 데이터 수집 먼저, 제가 사용할 데이터는 2020년 질병관리청 지역..

이번 차시는 바로 데이터분석, 머신러닝의 꽃이죠 ! 바로 분석모델을 선택해서, 다양한 모델링을 진행해보는 시간​입니다. 저희가 목표로 하는 '예측하기'는 바로 회귀모델을 사용하는데요, Brightics 에는 과연 어떤 분석방법들로 구현 가능할 지 같이 공부해보아요 ! ​ 이번 모델링 작업도 마찬가지로 조원들과 분석기법을 나누어 회의를 토해 결과를 공유해보기로 했어요 최고의 조원들과 완성한 캐글데이터 분석, 과연 얼만큼 잘 예측해냈을지 잘 따라와주세요 ◠‿◠ ​ 작업 확인하기 본격적인 모델링에 들어가기 앞서, 이제껏 완성된 전 작업들을 간단히 확인해주어요 ! 결측치들을 꼼꼼히 제거해주고 이상치들도 없애주었어요. 그리고 범주형 변수들도 연속형으로 인코딩해주었답니다. ..