94년생 스피노자

코드스테이츠에서 각 Section의 마지막 주는 개인프로젝트가 이루어진다. 이번 Section 1의 개인프로젝트로는 비디오 게임 분석이 주어졌다. 상황설정은 게임회사에서 다음 분기에 발매할 게임을 기획하는 것이다. 기본적으로 주어진 과제는 다음과 같다. 지역별로 선호하는 게임장르가 있는지 분석 연도별로 게임 트렌드가 있는지 분석 밀리언셀러 게임 분석 0. 데이터 소개 데이터는 코드스테이츠에서 마련한 자료라 공유할 수 없음을 밝힌다. 데이터에서 주어진 정보는 다음과 같다. 게임 제목 게임 구동기기 e.g. PlayStation 게임 출시년도 게임 장르 게임 배급사 북아메리카 판매량 유럽 판매량 일본 판매량 기타 지역 판매량 1. 분석 결과 Q1. 지역별로 선호하는 게임장르가 있는지 분석 아래서 활용한 발표..

저번에는 PCA를 통해 차원축소를 하는 법을 배웠다. 이번에는 Clustering 기법을 배울 것이다. PCA는 데이터를 표현할 때 분산이 크게 표현할 수 있도록 도와줬다. 즉 데이터들이 최대한 멀리 퍼져있도록 해준 것이다. PCA 진행 후 Clustering을 하면 데이터의 그룹을 유추할 수 있다. 즉 데이터의 라벨 없이 분류하고자 할 때 유용하다. 관련 Warm-Up 링크를 아래에 첨부한다. 1. Main Ideas of PCA https://youtu.be/HMOI_lkzW08 2. Scree Plot https://youtu.be/vFUvNICWVz4 3. Hierarchical Clustering https://youtu.be/EUQY3hL38cw 4. if(kakao)2020 - 이상거래탐지를..

이제 슬슬 머리가 매우 아파져온다. 이번에는 차원축소를 하는 방법에 대해 배운다. 0. 차원축소의 필요성 차원은 데이터의 변수를 의미한다. 사람을 설명하기 위해 나이, 키, IQ를 활용한다면 데이터는 3차원이 된다. 물론 3차원 정도에서는 데이터를 분석하는 것에 큰 문제가 되지 않는다. 데이터를 시각화하기도 어렵지 않고 직관적으로 이해할 수 있기 때문이다. 하지만 데이터가 4차원만 되더라도 이해하기가 매우 어려워진다. 변수가 100개라면 상상하다가 미칠지도 모른다. 이런 문제를 해결하기 위해 차원축소가 필요한 것이다. 1. 차원축소 방법 대표적인 차원축소 방법은 Principal Component Analysis(PCA)가 있다. 한국어로는 주성분분석이다. PCA의 핵심은 분산이 가장 큰 분산을 고르는 ..

선형대수학에서 다루는 기본 단위인 벡터를 배워보자. 벡터는 쉽게 말하면 길이와 방향을 가진 선분이다. 그리고 길이는 앞에 특정 수를 곱해서 조절할 수 있다. 간단하게 예를 들어보겠다. 다음 2가지 선택지가 있다고 생각해보자. A : 남쪽으로 20 걸음 걷기 B : 동쪽으로 15 걸음 걷기 여기서 각각의 선택지는 벡터와 같다. 길이(걸음수)와 방향(동서남북)이 주어졌기 때문이다. 앞서 말했듯이 우리는 걸음수를 조정할 수 있다. 0.5*A는 남쪽으로 10걸음 걷기가 되고, -1*A는 북쪽으로 20걸음 걷기가 된다. 만약 우리에게 선택지 A와 B 중 1개 밖에 없다면 어떻게 될까? A가 주어지면 북쪽 혹은 남쪽으로 밖에 이동할 수 없게 되고 B가 주어지면 동쪽 혹은 서쪽으로 한줄로 이동할 수 밖에 없다. 선택..