[SK플래닛] ASAC 빅데이터전문가 11기 | 29일차

29일차는 오전에는 SVM의 기본 아이디어를 보고, 이후에는 Kaggle House Prices 데이터를 이용해 회귀 모델링 전처리 흐름을 정리한 날이었다. SVM에서는 “데이터를 어떤 경계로 나눌 것인가”를 봤고, House Prices 실습에서는 “train과 test를 같은 기준으로 전처리하려면 어떻게 해야 하는가”를 봤다.이날 가장 크게 남은 건 모델 자체보다 전처리 기준을 train에서만 만들어야 한다는 점이었다. 결측치를 채우는 기준, 인코딩 규칙, 스케일링 기준까지 전부 train에서 만들고 test에는 적용만 해야 했다. 코드가 길어지는 이유도 결국 이 기준을 지키기 위해서였다.1. SVM은 margin이 넓은 경계선을 찾는다SVM은 데이터를 구분하는 경계선을 찾는 모델이다. 2차원에서는 ..

• format_list_bulleted [SK플래닛] ASAC 빅데이터전문가 11기/학습기록
• · 2026. 5. 29.

[SK플래닛] ASAC 빅데이터전문가 11기 | 26일차

26일차는 전날 배운 머신러닝 기본 흐름에서 한 단계 더 들어가, 타이타닉 데이터를 실제 모델링 가능한 형태로 만들고, 여러 모델을 비교하고, 하이퍼파라미터 튜닝까지 이어가는 과정이었다. 25일차에는 load_digits()처럼 이미 정리된 샘플 데이터로 fit → predict → score 흐름을 봤다면, 이번에는 Kaggle 스타일의 train.csv를 가져와 결측치, 문자열 컬럼, 불필요한 컬럼, validation 분리, K-Fold, RandomizedSearchCV, GridSearchCV까지 한 번에 이어졌다. 특히 이번 날은 “모델을 돌리는 코드”보다 모델이 돌아갈 수 있는 상태를 만드는 코드가 더 중요하게 느껴졌다. 타이타닉 데이터에는 Name, Sex, Age, Ticket, Cab..

• format_list_bulleted [SK플래닛] ASAC 빅데이터전문가 11기/학습기록
• · 2026. 5. 26.