Flight Fare Prediction (항공권 가격 예측)
이 프로젝트는 항공사, 여행 날짜, 출발지, 목적지 등 다양한 요인을 분석하여 항공권의 가격을 예측하는 머신러닝 모델을 구축하는 예제입니다. 데이터 전처리, 특징 공학(Feature Engineering), 시각화 과정을 상세히 포함하고 있습니다.
주요 기능
- 데이터 정제: 결측치(Null values)를 제거하고 불필요한 정보를 필터링합니다.
- 특징 공학: 여행 날짜에서 일/월 정보를 추출하고, 범주형 데이터를 수치 데이터로 변환(Label Encoding)합니다.
- 데이터 분석 및 시각화: 항공사별 가격 분포, 소요 시간과 가격의 관계 등을 분석합니다.
코드 설명
1. 데이터 로드 및 결측치 처리
pandas를 사용하여 엑셀 데이터를 로드하고, 학습에 방해가 되는 결측치를 제거합니다.
import pandas as pd
# 데이터 로드
df = pd.read_excel("data/data_train.xlsx")
# 결측치 확인 및 제거
df.dropna(inplace=True)
2. 범주형 데이터 인코딩
머신러닝 알고리즘이 처리할 수 있도록 항공사(Airline), 출발지(Source) 등 텍스트 데이터를 숫자로 변환합니다.
from sklearn.preprocessing import LabelEncoder
encoder = LabelEncoder()
df['Airline'] = encoder.fit_transform(df['Airline'])
df['Source'] = encoder.fit_transform(df['Source'])
df['Destination'] = encoder.fit_transform(df['Destination'])
3. 소요 시간 처리
2h 50m과 같은 문자열 형식의 소요 시간을 머신러닝 모델이 이해할 수 있는 형식으로 변환하거나 특징을 추출합니다.
# 요일, 시간 등의 특징을 추출하는 과정이 Notebook에 포함되어 있습니다.