[kaggle] 타이타닉(titanic) | 11. Feature Engineering - Pearson

3.3 Change Initial, Embarked and Sex (string to numerical)

 

 

* Initial을 수치형 데이터로 바꾸기

 

df_train.Initial.unique()

  - 현재 Initial에는 Mr, Mrs, Miss, Master, Other 총 5개의 값이 담겨있다.

 

 

 

- 이런 카테고리로 표현된 데이터를 input으로 넣어주려면 수치화 가 필요

 

df_train['Initial'] = df_train['Initial'].map({'Master': 0, 'Miss': 1, 'Mr': 2, 'Mrs': 3, 'Other': 4})
df_test['Initial'] = df_test['Initial'].map({'Master': 0, 'Miss': 1, 'Mr': 2, 'Mrs': 3, 'Other': 4})

 

 

 

 

---

 

 

 

* Embarked를 수치형 데이터로 바꾸기

 

 

df_train.Embarked.unique()

numpy의 array

 

 

df_train['Embarked'].value_counts()

series

  - Embarked에는 S, C, Q, 총 3개의 데이터가 존재한다.

 

 

 

 

df_train['Embarked'] = df_train['Embarked'].map({'C': 0, 'Q': 1, 'S': 2})
df_test['Embarked'] = df_test['Embarked'].map({'C': 0, 'Q': 1, 'S': 2})

 

 

 

 

 

---

 

 

 

df_train.Embarked.isnull().any()

  - any() : true가 1개라도 있으면 True / true가 한 개도 없으면 False

  - 수치 변환 잘 되었구나 (빈 데이터가 없다.)

 

 

 

 

---

 

 

 

 

* Sex 데이터를 수치형으로 변환하기

 

df_train['Sex'] = df_train['Sex'].map({'female': 0, 'male': 1})
df_test['Sex'] = df_test['Sex'].map({'female': 0, 'male': 1})

 

 

 

 

 

---

 

• feature들간의 상관관계 확인하기

* Pearson Correlation

  1 : 양의 상관관계

  -1 : 음의 상관관계

  0 : 상관관계가 없다.

 

 

 

- 우리는 여러 feature들을 가지고 있다. -> hetmap plot으로 하나의 matrix 형태로 보기

 

heatmap_data = df_train[['Survived', 'Pclass', 'Sex', 'Fare', 'Embarked', 'FamilySize', 'Initial', 'Age_cat']]

colormap = plt.cm.RdBu
plt.figure(figsize=(12, 10))
plt.title('Pearson Correlation of Features', y=1.05, size=15)
sns.heatmap(heatmap_data.astype(float).corr(), linewidths=1, vmax=1,
			square=True, cmap=colormap, linecolor='Blue', annot=True, annot_kws={'size': 16})

 

- 자기 자신과의 관계가 아닌 값은 1과 -1의 값이 없다.

=> 불필요한 redundant 값이 없다.

 (왜냐하면, 만약 1과 -1이라면 강한 상관관계, 즉 두 데이터 중 하나만 있어도 괜찮다는 뜻!!)