Assignment. 자동차 평가 데이터에 대한 EDA 및 Decision Tree를 활용한 예측¶

데이터 집합 소스
- 설명: http://archive.ics.uci.edu/ml/datasets/Car+Evaluation
  - Features
    - buying (자동차 가격): vhigh, high, med, low.
    - maint (유지보수 가격): vhigh, high, med, low.
    - doors (자동차 문의 개수): 2, 3, 4, 5more.
    - persons (자동차 안에 탈 수 있는 사람 인원): 2, 4, more.
    - lug_boot (짐트렁크 크기): small, med, big.
    - safety (안전도): low, med, high.
  - Target
    - eval (평가만족도): unacc, acc, good, vgood
- 모든 Attributes들을 Categorical 데이터로 취급해도 됨
- 데이터: http://archive.ics.uci.edu/ml/machine-learning-databases/car/car.data

import urllib2
from scipy import stats
from pandas import Series, DataFrame
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

path = 'http://archive.ics.uci.edu/ml/machine-learning-databases/car/car.data'
raw_csv = urllib2.urlopen(path)
feature_names = ('buying', 'maint', 'doors', 'persons', "log_boot", "safety")
target_name = 'eval'
all_names = feature_names + (target_name,)
df = pd.read_csv(raw_csv, names=all_names)

dfb

[Mission 1] 모든 속성들을 수치형 데이터로 변환¶

Mushroom 데이터 집합에 대한 "Categorical Attribute를 Numerical Attribute로 변환" 강의 내용 참조
최종적으로 DataFrame.describe() 함수를 통하여 각 속성별로 기본 통계치를 산출

[Mission 2] Target 4개별로 그룹핑하여 각 속성별 기본 통계치 및 Box Plot 산출¶

Mushromm 데이터 집합에 대한 "Edible Mushrooms과 Poisonous Mushrooms 의 두 개의 그룹핑 작업 및 각 그룹별 Boxplot 그리기" 강의 내용 참조

[Mission 3] 각 속성들을 두 개씩 쌍을 지어서 각 쌍마다 Scatter Plot 그리기¶

Iris 데이터 집합에 대한 "탐색적 자료 분석 (Exploratory data analysis)" 강의 내용 참조
총 6개의 Feature가 존재하므로 두 개씩 쌍을 만든다면 총 15개의 쌍이 나옴
- 예. (buying, maint), (buying, doors), ...
Categorical Data를 Numerical Attribute로 변환한 DataFrame으로 작업해야 함
그러므로, 총 15개의 Scatter Plot을 산출해야 함
15개의 Scatter Plot을 눈으로 분석하여 Guess 할 수 있는 분석 내용을 작성

[Mission 4] 전체 데이터 집합에 대한 Entropy 산출¶

Binary Target 이 아닌 4개의 Target 이 존재함을 유의해야 함

[Mission 5] Decision Tree 모델 구축을 고려하여 루트노드에서 첫번째 Branch를 위한 IG가 가장 높은 속성 산출¶

해당 속성을 잘 기억하고 Mission 6에서의 결과와 동일한지 확인해야 함

[Mission 6] sklearn 모듈을 활용하여 Decision Tree 모델을 구축하고 예측 시도¶

루트노드에서 첫번째 Branch를 구성할 때 활용한 속성이 Mission 5에서 산출한 것과 동일한지 파악
- 해당 속성에 대하여 sklearn 모듈 내에서 어떠한 방법으로 기준을 정했는지 판단 및 해석
모델 구축 후 기존 Training Data중 일부에 대한 예측
기존 Training Data에 존재하지 않는 새로운 데이터에 대한 예측

	buying	maint	doors	persons	log_boot	safety	eval
0	vhigh	vhigh	2	2	small	low	unacc
1	vhigh	vhigh	2	2	small	med	unacc
2	vhigh	vhigh	2	2	small	high	unacc
3	vhigh	vhigh	2	2	med	low	unacc
4	vhigh	vhigh	2	2	med	med	unacc
5	vhigh	vhigh	2	2	med	high	unacc
6	vhigh	vhigh	2	2	big	low	unacc
7	vhigh	vhigh	2	2	big	med	unacc
8	vhigh	vhigh	2	2	big	high	unacc
9	vhigh	vhigh	2	4	small	low	unacc
10	vhigh	vhigh	2	4	small	med	unacc
11	vhigh	vhigh	2	4	small	high	unacc
12	vhigh	vhigh	2	4	med	low	unacc
13	vhigh	vhigh	2	4	med	med	unacc
14	vhigh	vhigh	2	4	med	high	unacc
15	vhigh	vhigh	2	4	big	low	unacc
16	vhigh	vhigh	2	4	big	med	unacc
17	vhigh	vhigh	2	4	big	high	unacc
18	vhigh	vhigh	2	more	small	low	unacc
19	vhigh	vhigh	2	more	small	med	unacc
20	vhigh	vhigh	2	more	small	high	unacc
21	vhigh	vhigh	2	more	med	low	unacc
22	vhigh	vhigh	2	more	med	med	unacc
23	vhigh	vhigh	2	more	med	high	unacc
24	vhigh	vhigh	2	more	big	low	unacc
25	vhigh	vhigh	2	more	big	med	unacc
26	vhigh	vhigh	2	more	big	high	unacc
27	vhigh	vhigh	3	2	small	low	unacc
28	vhigh	vhigh	3	2	small	med	unacc
29	vhigh	vhigh	3	2	small	high	unacc
...	...	...	...	...	...	...	...
1698	low	low	4	more	big	low	unacc
1699	low	low	4	more	big	med	good
1700	low	low	4	more	big	high	vgood
1701	low	low	5more	2	small	low	unacc
1702	low	low	5more	2	small	med	unacc
1703	low	low	5more	2	small	high	unacc
1704	low	low	5more	2	med	low	unacc
1705	low	low	5more	2	med	med	unacc
1706	low	low	5more	2	med	high	unacc
1707	low	low	5more	2	big	low	unacc
1708	low	low	5more	2	big	med	unacc
1709	low	low	5more	2	big	high	unacc
1710	low	low	5more	4	small	low	unacc
1711	low	low	5more	4	small	med	acc
1712	low	low	5more	4	small	high	good
1713	low	low	5more	4	med	low	unacc
1714	low	low	5more	4	med	med	good
1715	low	low	5more	4	med	high	vgood
1716	low	low	5more	4	big	low	unacc
1717	low	low	5more	4	big	med	good
1718	low	low	5more	4	big	high	vgood
1719	low	low	5more	more	small	low	unacc
1720	low	low	5more	more	small	med	acc
1721	low	low	5more	more	small	high	good
1722	low	low	5more	more	med	low	unacc
1723	low	low	5more	more	med	med	good
1724	low	low	5more	more	med	high	vgood
1725	low	low	5more	more	big	low	unacc
1726	low	low	5more	more	big	med	good
1727	low	low	5more	more	big	high	vgood