[KT Aivle 3기 AI] 4일차. (1) 개요. 데이터 구조

1. 개요

KT Aivle School 3기 AI 4일차

• 주제 : 데이터 분석을 위한 데이터 구조
• 강사 : 한기영 강사님
• 내용 : Python Library를 알려주시기에 앞서 데이터 분석을 위한 데이터 구조에 대해서 알려주신 내용을 정리해보았다.

2. 수업 내용

데이터 분석의 큰 그림 : CRISP-DM

• Cross-Industry Standard Process for Data Mining
• 데이터 분석의 기초이다.
• 항상 이 프로세스를 거쳐 진행된다.

분석할 수 있는 데이터 종류

• 수치형 (양적 데이터, 정량적 데이터)
  • 이산형 데이터(셀 수 있는 데이터)
    • 판매량
    • 매출액
    • 나이
  • 연속형 데이터
    • 온도
    • 몸무게
• 범주형 (질적 데이터, 정성적 데이터)
  • 명목형 데이터
    • 성별
    • 시, 도
    • 흡연 여부
  • 순서형 데이터
    • 연령대
    • 매출등급

문제) 월은 어떤 데이터 일까요(1월, 2월, 3월, …)?
범주형

++ 범주형과 순서형을 쉽게 구분하는 방법

=> 데이터의 배수가 의미가 있으면 수치형, 없으면 범주형

• 3월은 1월의 3배?? - 말이 안 됨 => 범주형
• 3개월은 1개월의 3배?? - 말이 됨 => 수치형

상황에 따라 달라질 수 있다.

데이터 구조

• Feature(요인) -> Target(결과)
• ex) 아이스크림 판매량을 예측하려고 한다.
  • Feature(요인) : 비, 온도, 습도, 요일, 휴일, …
  • Target(결과) : 아이스크림 판매량
• 기본은 2차원 데이터
  • Table, 2차원 Array, Data Frame
    1. 행
       • 분석 단위, 샘플, 관측치, 데이터 건수
       • Target, y, Output, Label, (종속변수)
    2. 열
       • 정보, 변수, 요인
       • Feature, X, input, (독립변수-> 독립변수가 아닌 경우가 많음)
• 데이터 구조를 다루는 패키지
  • Numpy
  • Pandas