300x250 Programming/Project10 [NYC 택시 수요 예측 PJT] 4. 데이터 EDA - 데이터 시각화 (Time Domain) - 1 EDA(Exploratory Data Analysis) - Exploratory data analysis (EDA) is used by data scientists to analyze and investigate data sets and summarize their main characteristics, often employing data visualization methods. - 탐색적 데이터 분석으로 도표(Plot), 그래포(Graph), 요약 통계(Summary Statistics)등으로 시각화하여 데이터를 다양한 각도에서 관찰하고 이해하는 과정 PJT Code for EDA 1. Library Install pip install plotly cufflinks pandas numpy seabor.. 2021. 7. 11. [NYC 택시 수요 예측 PJT] 3. BigQuery 소개 1. BigQuery - BigQuery is a serverless, cost-effective and multicloud data warehouse designed to help you turn big data into valuable business insights - 페타바이트급 이상의 데이터에 대해 스케일링 분석을 가능케 하는 완전 관리형 서버리스 컴퓨팅 데이터 웨어하우스 2. BigQuery 특징 - SQL기반으로 데이터 추출 가능 - 다른 데이터베이스는 Index 또는 서버의 성능에 따라 속도가 느리지만, BigQuery는 Index 개념이 없음 - Firebase를 사용할 경우 앱 데이터를 쉽게 획득 가능, 사용기기, 위치, OS버전, 이벤트 행동까지 획득 가능 - 서버를 따로 구축, 관리.. 2021. 7. 11. [NYC 택시 수요 예측 PJT] 2. 문제정의 1. 문제 정의 - 어떤 것이 문제인지에 대한 발견, 문제를 어떻게 풀 것인가에 대한 접근 방식 정의 - 문제에 대한 배경지식과 도메인이 있으면 문제 해결에 용이 본 프로젝트에서는 NYC의 Yellow taxi 데이터를 활용하여 taxi들이 더 많은 운행을 할 수 있도록 성장시키는 것이 목표 2. 배경 2015년 기준 뉴욕에서는 택시가 크게 2가지 종류가 있음 1)주로 멘하탄에 있는 Yellow taxi와 2)외부에서 들어오는 Green taxi이며 대부분의 traffic은 Yellow taxi가 담당 3. 문제 해결 방안 3-1) 문제 해결 방안 브레인 스토밍 - 시간대별/지역별로 수요와 공급 그래프가 맞는가? - 적절한 지역과 시간대에 어느 정도의 수요가 발생할지 알 수 있을까? -> 수요 예측을 통.. 2021. 7. 11. [NYC 택시 수요 예측 PJT] 1. 개요 1. 개요 모빌리티 산업의 데이터를 통해 문제를 정의하고 이를 해결하고자 함 2. 데이터세트 Google BigQuery 공개 데이터세트를 사용하며 현업에서 사용하는 데이터와 매우 유사한 형태 3. 프로젝트 목표 - BigQuery(SQL)을 활용한 클라우드 환경에 익숙해질 수 있으며, SQL 쿼리문을 사용해 Feature를 만드는 방법 학습 - 머신러닝 모델링의 베이스라인과 개선 방법 학습 2021. 7. 11. 이전 1 2 다음 300x250
