Maritime_DataMining

해사 데이터마이닝

1주차 과제

해사 인공지능보안 학부, 윤명섭

3주차 과제

DataMining.ipynb 파일을 보시면 됩니다.

4주차 과제

DataMining_4.ipynb 파일을 보시면 됩니다.

결과 해석

test_data의 각 행(투수 선수)에 대해, model2가 학습한 회귀식을 사용하여 SALARY_2018(2018년 연봉) 값을 예측합니다.

actual 열은 test_data의 실제 SALARY_2018 값을 나타냅니다. predict 열은 model2가 예측한 SALARY_2018 값을 나타냅니다.

이 2개의 값을 서로 비교하여, 모델이 각 선수의 연봉을 얼마나 정확하게 예측하는지 평가할 수 있습니다. 예측값과 실제값의 차이가 작을수록, 모델의 예측 성능이 좋다고 판단할 수 있습니다.

RMSE 값의 의미 RMSE는 예측값과 실제값 사이의 평균적인 차이를 나타내는 지표입니다. RMSE 값이 작을수록, 모델의 예측 정확도가 높다고 판단할 수 있습니다.

예를 들어, RMSE 값이 1000 이라면, 평균적으로 예측한 연봉과 실제 연봉의 차이가 1000 단위라는 뜻이됩니다. 해당 데이터의 단위를 만원으로 생각하면, 평균적으로 1000만원의 오차를 가진 모델이라고 할 수 있습니다.

5주차 과제

DataMining_5.ipynb 파일을 보시면 됩니다.

6주차 과제

DataMining6.ipynb 파일을 보시면 됩니다.

9주차 과제

9주차 과제 파일을 보시면 됩니다.

10주차 과제

DataMining10.ipynb 파일을 보시면 됩니다.

11주차 과제

DataMining11.ipynb 파일을 보시면 됩니다.

12주차 과제

DataMining12.ipynb 파일을 보시면 됩니다.

13주차 과제

DataMining13.ipynb 파일을 보시면 됩니다.