단계 1: 데이터 불러오기
데이터셋: 캐글의 'The Ultimate Halloween Candy Power Ranking' 데이터셋은 가장 인기 있는 할로윈 사탕을 파악하기 위해 수집된 데이터입니다. 참가자들이 두 가지 재미있는 사이즈 캔디 중에서 받고 싶은 것을 선택하도록 하는 웹사이트를 통해 데이터를 수집했으며, 총 8,371개의 다른 IP 주소에서 26만 9천 표 이상이 모였습니다.
‘File' 위젯을 열고, 다운로드한 할로윈 사탕 데이터셋을 불러옵니다. 데이터가 정상적으로 불러와졌는지 'Data Table'을 통해 확인합니다.
단계 2: 사탕 선호도 순위 매기기
'Rank' 위젯을 데이터셋에 연결하여 사탕별 선호도 순위를 확인합니다. 가장 인기 있는 사탕을 찾아보세요. 
RReliefF 알고리즘은 데이터셋의 타겟 변수를 예측하는 데 각 특성(Feature)의 중요도를 평가하는 방법으로 사용됩니다. 이 알고리즘은 각 특성에 RReliefF 가중치를 할당하여, 해당 특성이 타겟(Target, 그림3 에선 승률(winpercent)) 변수 예측에 기여하는 정도를 수치적으로 나타냅니다.
•
peanutyalmondy: 0.341의 가중치를 가지며, 이 데이터셋에서 가장 중요한 특성으로 평가되었습니다.
•
chocolate: 0.326의 가중치로 두 번째로 중요한 특성입니다.
•
sugarpercent: 0.271의 가중치를 가지며, 세 번째로 중요한 특성으로 나타납니다.
•
fruity, pricepercent, bar, hard, caramel, crispedricewafer, nougat는 그 다음으로 중요한 특성들을 나타냅니다.
이러한 가중치를 통해, 예측 모델을 만들 때 어떤 특성들이 가장 유의미한 영향을 미칠 수 있는지에 대한 통찰을 얻을 수 있습니다. 예를 들어, 'peanutyalmondy'와 'chocolate' 같은 특성들은 캔디를 선호하는 데 있어서 중요한 역할을 할 수 있으며, 모델 학습에 있어서 우선적으로 고려될 수 있습니다.
단계 3: 데이터 시각화 및 탐색하기
1.
변수 간 상호작용 살펴보기:
•
‘Mosaic Display’ 위젯을 사용합니다.
•
(예) ‘chocolate’과 ‘fruity’와 같은 이진 변수들의 조합과 승률 사이의 관계를 시각화합니다.
2.
이진 변수의 분포 살펴보기:
•
‘Bar Chart’ 위젯을 사용하여 각 이진 변수에 대한 카운트를 시각화합니다.
이 그래프는 'fruity'와 'chocolate'의 모든 조합에서 승률을 비교하고 있습니다.
•
초콜릿이 없고 과일 맛이 없는 사탕은 파란색과 빨간색 영역으로 표시되어 있어, 이들의 승률이 가장 낮다는 것을 의미합니다.
•
초콜릿이 있지만 과일 맛은 없는 사탕은 주황색과 밝은 녹색으로 표시되어 있어, 이들의 승률이 더 높음을 보여줍니다.
•
초콜릿이 없지만 과일 맛이 있는 사탕은 주로 주황색으로 표시되어 있어, 중간 정도의 승률을 나타냅니다.
•
초콜릿과 과일 맛이 모두 있는 사탕은 주로 빨간색으로 표시되어 있어, 낮은 승률을 가지고 있음을 암시합니다.
이 바 차트는, 할로윈 사탕의 승률을 'chocolate' 성분이 포함되었는지 여부에 따라 그룹화하여 나타낸 것입니다. 바 차트의 x축에는 'chocolate'의 포함 여부에 따른 두 그룹이 있습니다, 0은 초콜릿이 포함되지 않은 사탕을, 1은 초콜릿이 포함된 사탕을 나타냅니다. y축은 'winpercent' 값으로, 각 사탕의 승률을 수치로 표현합니다.
차트의 파란색 바는 초콜릿이 포함되지 않은 사탕을, 빨간색 바는 초콜릿이 포함된 사탕을 나타냅니다. 각 바의 높이는 해당 사탕의 평균 승률을 나타내며, 이를 통해 초콜릿의 유무가 사탕의 인기에 어떤 영향을 미치는지 비교할 수 있습니다. 눈에 띄는 것은 초콜릿이 포함된 사탕들이 평균적으로 더 높은 승률을 가지고 있는 것으로 보입니다. 이 데이터 시각화는 사탕의 인기 요소 중 하나로 초콜릿 성분의 중요성을 강조하고 있습니다.
단계 4: 결정 트리를 사용해 분류하기
1.
데이터 준비:
•
‘Data Sampler’ 위젯으로 훈련 데이터와 테스트 데이터를 나눕니다.
2.
결정 트리 학습:
•
‘Tree’ 위젯을 사용하여 이진 변수를 기반으로 결정 트리를 만들고, 사탕의 승률을 예측합니다.
3.
트리 결과 해석:
•
생성된 트리를 ‘Tree Viewer’ 위젯으로 시각화하고, 어떤 변수가 승률 예측에 가장 중요한 영향을 미치는지 논의합니다.
노드에 표시된 숫자는 각 조건을 만족하는 캔디의 평균 승률과 그 표준 편차를 나타냅니다. 예를 들어, 'sugarpercent'가 0.313을 초과하고 'caramel' 성분이 있는 캔디는 평균 승률이 34.0%이며 그 표준 편차는 0.3이라고 할 수 있습니다.
‘2 instances’는 그 조건을 만족하는 캔디가 두 개 있다는 의미입니다. 이 의사 결정 트리는 캔디의 특성과 승률 사이의 관계를 파악하는 데 도움을 주며, 어떤 특성이 승률에 가장 큰 영향을 끼치는지 분석할 수 있게 해줍니다. 트리는 승률을 높이는 방향으로 데이터를 우선적으로 분할하며, 각 분기점은 승률을 최대화하는 조건을 나타냅니다.
이 프로젝트는 학생들에게 데이터 과학의 기본을 가르치면서 동시에 통계와 확률에 대한 개념을 강화하는 좋은 기회가 되는 것 같습니다. 또한, 데이터 시각화는 복잡한 데이터의 관계를 명확하게 이해하는 데 도움을 주며, 머신러닝 모델을 통한 예측은 수학과 과학적 사고를 실생활 문제에 적용하는 방법을 보여줍니다. 무엇보다, 캔디라는 주제는 학생들에게 친숙하고 흥미로우면서도, 데이터 과학의 핵심 개념을 효과적으로 전달할 수 있는 매개체가 되는 것 같습니다.
오렌지3 재미쪄용~