의사결정나무는 분류와 회귀 문제에 모두 적용이 가능한 알고리즘으로, 결과도출과정과 그 결과를 해석하기에 매우 유리한 알고리즘이다. 파이썬의 의사결정나무 알고리즘은 사이킷런 라이브러리를 이용한다. 분석에 쓰인 데이터는 캐글에서 가져온 ibm hr분석(퇴사여부 분류) 데이터이다. (https://www.kaggle.com/datasets/pavansubhasht/ibm-hr-analytics-attrition-dataset?datasetId=1067&searchQuery=deci) 전처리 과정에서 가장 중요한 것은 자료형 확인, 결측치 확인, 데이터 분포 확인 등이 있다. 위 데이터는 특히 자료형에 유의해야 한다. 데이터 설명을 참조하면 얼핏 수치형으로 보이는 변수들이 사실은 명목형 변수를 나타내고 있음을 ..

자세한 코드와 분석 흐름은 깃허브를 참조해주세요! https://github.com/Reign2121 Reign2121 - Overview Researcher / Analyst. Reign2121 has 9 repositories available. Follow their code on GitHub. github.com

콕스 비례 위험 모형을 R에서 구현해보자. library(survival) library(survminer) 생존분석의 함수들이 담긴 라이브러리를 불러온다. 데이터는 이전 포스트인 카플란-마이어에서 쓰인 데이터를 그대로 이용하였다. # 연습 데이터인 survivalDataExercise.csv를 이용하였다. (댓글 주시면 공유해드리겠습니다.) 모델링 cx.model = coxph(Surv(daysSinceFirstPurch, event) ~ gender+voucher+returned,data=surv) #시간에 따른 이벤트 ~ (성별+쿠폰사용여부+환불여부) summary(cx.model) 위 코드는 콕스 비례 위험 모형을 만드는 코드이다. 종속변수는 시간에 따른 이벤트가 들어가고, 독립변수에 확인하고 싶..

회귀분석은 통계학에서 시작되어 연구되었기 때문에, 통계적 분석에 특화된 R을 이용하는 것이 더 효과적일 수 있다. R에서는 파이썬과 달리 기본 내장함수로 회귀분석을 수행할 수 있고, 여러 통계적 검정이나 가정을 확인하는 데에도 매우 유리하다. 또한 관련 라이브러리를 통해 변수선택법을 자동으로 수행해주는 등 R은 회귀분석을 다각도로 수행해볼 수 있는 매우 좋은 환경을 제공한다. 이에 R을 통한 통계적 스탠스로 비즈니스 도메인에서 회귀분석이 어떠한 역할을 할 수 있는 지, 그 과정을 살펴보고자 한다. 우선 데이터를 받아온다. library(dplyr) df = read.csv("purch_behavior.csv") #이 데이터는 마케팅 활동을 위해 전략적으로 수집한 데이터이다. df %>% glimpse()..

R에서 카플란 마이어 기법을 구현해보자 이 모델은 주로 의료 데이터에서 많이 이용되지만, 우리는 비즈니스 도메인으로 옮겨 고객들의 생존, 이탈을 분석해본다. 데이터는 연습 데이터인 survivalDataExercise.csv를 이용하였다. (댓글 주시면 공유해드리겠습니다.) 먼저 library(dplyr) library(ggplot2) library(survival) library(survminer) #라이브러리가 없으면 install.packages("") setwd("") #경로 설정 surv = read.csv("")#데이터 불러오기 변수는 최근 구매로부터 경과된 일수와 성별, 상품권 이용여부, 환불여부, 재구매여부가 있다. surv = surv %>% mutate(event = ifelse(bou..