[BoostCamp] P-stage stage2 Tabular Classification day1

[BoostCamp] P-stage stage2 정형 데이터 분류 day1

---

오늘의 목표

1. EDA를 해보자.

1. EDA

주어진 항목들에 대해 이해해보자.

1. data.info()
   우선 데이터들엔 어떤 column들이 존재하는 지 파악해야했다. 그래서 pandas의 describ()메소드를 활용하여 column들의 정보를 파악해보았다.

그러면 각각의 column들의 내용을 파악하여 어떻게 분석을 할지 고민해보자.

* order_id : 주문 id이다. 아마 각 주문들을 구분하기 위해 사용되어지는 것같다.    
* product_id : 주문한 제품의 식별자이다.   
* description : 각 제품을 설명하는 요소이다.   
* quantity : 주문 수량을 의미하는 요소이다.    
* price : 제품의 가격이다.   
* customer_id : 고객의 식별자이다.    
* country : 고객의 국적을 의미한다.   
* total : 총 주문 금액이다.   

어떻게 분류를 해야 잘했다고 소문이 날지 고민을 하였다.
그런데 우리가 예측해야하는 것은 2011년 12월의 고객의 총 구매금액이 300을 넘길 확률이다.
그렇다면 12월이라는 키워드에 집중해서 고민해보면 어떨까?

12월....?

현재 많이 보편화된 기념일이지만, 생각해보면 12월 25일은 크리스마스로서 크리스찬들에게 큰 의미를 가지는 날이다.
그렇다면 크리스찬이 많은 서구쪽이 많은 지 확인을 해보는 것도 좋을 것같다.
더불어 12월은 겨울이다. 그래서 북반구의 경우 겨울용품을 사는 경향이 있을 것이고 남반구가 많다면 여름 용품의 구매가 우세할 것으로 예측된다.

나라별로 한번 구분해보자.

• 영국이 너무 수적으로 많아 영국만을 고려해도 무방한 비율이 나왔다.
• 물론, 대륙별로 정리해도 유럽이 우세하겠지만 나머지 나라들이 다른 대륙에 몰려있는 것도 생각해볼 수 있으니, 대륙별로도 구분해보았다.

• 사실, 유럽외에는 모르겠닼ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ
• 그럼 이제 12월에는 어떤 상품들이 주로 팔리는지 확인해보자.

월별 구매 상품 카테고리

• 21, 22, 23번의 카테고리에 속하는 상품들을 주로 많이 구매한다는 것을 확인할 수 있다.
• 그래도 각각의 요소들의 가격을 고려하여 계산하면 다른 결과값을 얻을 수 있으니 해당 부분도 고려해 보자.

• 위의 구매량만 고려한 그래프보다 밝은 부분 즉, 높은 가격에 해당하는 부분이 더 늘어 난것을 확인할 수 있다.
• 그렇다면 해당 카테고리에 속하는 상품들에는 어떤 것이 있을까?

word cload 구해보기

1. 20번 카테고리의 상품
   • 
   • 점심, 가방 등이 눈에 띄이며 특히, 가방, 박스와 관련한 단어들이 자주 보인다.
   • 가방과 같은 잡화를 포함하는 분류로 여겨진다.
2. 21번 카테고리의 상품
   • 
   • 물병과 같은 잡화 부분을 분류하는 카테고리인듯한다.
3. 22번 카테고리의 상품
   • 
   • 20번 제품과 크게 차이는 보이지 않는다.
   • 간혹 lunch, water과 같은 식품에 관련한 단어는 보이지만 design, chain, clock등이 자주 보이는 것으로 봐서 잡화에 가까운 상품들을 주로 포함할 것으로 사료된다.
4. 23번 카테고리의 상품
   • 
   • 빈티지, 가방 등의 상품들이 존재하는 것같다.

• 현재까지 그 상품들을 확인해보기에는 크리스마스에 관련된 상품보다 블랙프라이데이에 맞춰진 상품들이 11~12월쯤에 많이 팔렸고
• 더불어 해당 상품들이 평소에도 매출의 큰 부분을 차지한다고 볼 수 있을것같다.
• 다만 상품들이 크게 카테고리화 되는 느낌이 없는 것 같으니 좀더 세분화해서 분석해볼 필요가 있는 것같다.

또 다른 이슈

1. product id가 숫자로만 이루어진 것이아니다.
2. 하나의 상품의 가격이 고정되어 있지 않다.

2. TODO

1. 베이스라인 코드 분석
2. 정형 데이터 학습 알고리즘 조사
3. 베이스라인 코드 작성