[kaggle] 타이타닉(titanic) | 8. EDA - Fare

2. 8 Fare

: 탑승요금

 

 

 

* Skewness(왜도)

  - 자료의 분포모양이 평균을 중심으로 한 쪽으로 치우쳐져 있는 경향을 나타내는 척도

  - 자료의 분포가 대칭인지 아닌지를 측정해주는 값

  - distribution이 얼마나 쏠렸냐 (비대칭이냐)

    - skew = 0 : 정규분포

    - skew > 0 : 좌측으로 치우침

    - skew < 0 : 우측으로 치우침

 

 

fig, ax = plt.subplots(1, 1, figsize=(8, 8))
g = sns.distplot(df_train['Fare'], color='b', label='Skewness: {:.2f}'.format(df_train['Fare'].skew()), ax=ax)
g = g.legend(loc='best')

 

  - 그래프가 한 쪽으로 너무 치우쳐졌다. -> 이대로 모델에 넣어준다면 자칫 모델이 잘못 학습할 수 있다.

  - outlier의 영향을 줄이기 위해 Fare에 log를 취하자

 

 

 

 

df_train['Fare'] = df_train['Fare'].map(lambda i: np.log(i) if i>0 else 0)

 

 

 

 

 

fig, ax = plt.subplots(1, 1, figsize=(8, 8))
g = sns.distplot(df_train['Fare'], color='b', lable='Skewness: {:.2f}'.format(df_train['Fare'].skew()), ax=ax)
g = g.legend(loc='best')

 

  - log를 취하니 비대칭성(skewness)이 줄어들었다.

  -> Feature Engineering : 모델의 성능을 높이기 위해 feature들을 임의로 조작하는 것!!