[내일배움캠프] QAQC_6기 기초 프로젝트 인사이트 도출 및 EDA!

오늘은 기초 프로젝트 단계 중 하나인 인사이트 도출과 EDA과정을 위주로 하루를 보냈습니당

그리고 전체적인 프로젝트 흐름을 하나씩 다시 짚어보며 빠진 부분들 추가하며 얘기하다보니 정말 하루가 순식간에 지나가~~

 

오늘의 가장 큰 이슈 진짜 크게 있는데용

 

바로.... 데이터 전처리 과정에서 저희 조가 이상치를 어떻게 처리할지에 대해 매우 심히 깊이 고민을 했었고 그만큼 시간을 정말 많이 썼단 말이져?

근데 저희가 거기에 너무 열중한 나머지 중복치 처리하는걸 깜빡했었지 뭐예요....... 

이거 짚어준 우리 팀원 나이스,, 압도적 감.사.

 

따라서 진짜 찐막 저희 데이터 전처리 과정은

 

시력 9.9 (이상치로 판별) 제거

중복치 제거

흡연자/비흡연자 각각 3시그마 제거

 

이 세 단계로 마무리지었습니다!! 😭😭😭😭😭

 

===== 전처리 결과 =====

원본 데이터 수 : 38984

전처리 후 데이터 수 : 30492

삭제된 데이터 수 : 8492

삭제 비율 : 21.78 %

최종 데이터 크기 (30492, 23)

 

굉장히 많은 양의 데이터를 가지고 있는 과제이기 때문에 데이터를 최대한 보존하여 위와 같은 전처리 결과를 얻게 되었어요!

 

개인적으로는, 흡연 여부에 따른 건강지표 비교를 해보았는데요 이게 또 오잉임

 

저희가 기존에 찾아봤던 자료에서는 의학적으로 흡연이 영향을 미치는 3요소가 중성지방, HDL, Gtp 로 생각했는데

데이터 상으로는 중성지방, Gtp, ALT 이렇게 나오더라구여,,,,,  오잉슨

 

 

그치만 저희는 위험군 정의를 과감히 포기하였기 때문에...... 

딱히 얻을 수 있는 인사이트가 없다고 판단, 그리고 흡연의 영향이라고 판단하기 어렵다고 결론내렸어요

사실 이거를 위해서 회귀분석까지 해볼까 했으나 

본 캠프에서 아직 배우지 않은 내용이기도 하고 팀원들 일부도 이해도가 높지 않은 부분이라

튜터님의 피드백 후 회귀분석과 표준화는 드랍 결정.

 

따라서 저희의 인사이트는 아래와 같아요

 

1: 흡연자와 비흡연자 간 전체 건강지표, 신체지표 비교: 흡연이 어떤 건강지표에 어떤 영향을 미치는지.
1-1: 흡연이 가장 크게 영향을 미치는 지표와 크게 영향을 미치지 않는 지표 분석
2: 흡연자와 비흡연자의 연령 분포 분석
3-1: 연령별 분석: 연령과 흡연이 독립적인 영향이 있다.(건강지표, 신체지표)
3-2: 나이와 흡연중 건강지표에 더 큰 영향을 미치는 것은? 
4-1: BMI 분석: 흡연이 앞선 지표와는 달리 독립적인 영향이 있다..(건강지표, 신체지표)
4-2: BMI와 흡연 중 건강지표에 더 큰 영향을 미치는 것은??
5. 연령, BMI, 흡연의 영향 분석

 

이제는 시각화 자료와 ppt만 남았습니다

 

살짝쿵 제가 만들어본 그래프를 붙여보자면 

 

요런 느낌으로 두 변수 비교해본 후에

내일은 3개의 변수 연령, BMI, 흡연 여부 등을 한 번에 볼 수 있는 추세선을 그려볼 계획입니다! 

 

또한 개인적인 생각으로는 흡연이 사회적으로도 큰 문제가 되고 있으니 경각심을 좀 일깨워보고자 흡연자 분포도 한 번 내보았는데요

 

제 생각보다 청년층의 흡연율이 너무 높아서 놀랐습니다.. 다들 반성해;

 

마지막으로는 오랜 시간 고민했던 위험군을 보내주며... 제가 만들었던 시각화 자료를 올려보겠습니다

 

 

비율이 그렇게 높진 않지요? 왜냐 and조건으로 세가지 지표에서 모두 위험수치를 나타내는 데이터만 선정했기 때문인데요

 

그럼에도 의미가 있는 비율이 나온 것 같아요.

 

실제로는 흡연으로 인해 건강 지표가 비정상적으로 나오는 사람들이 본 수치보다 높을 것으로 예상됩니다 

 

프로젝트로 인해 접해본 데이터들이었지만 사회적으로도 문제가 많이 있음을 느낄 수 있는 시간이었고

제 개인적인 지식도 하나 더 늘어난 것 같아서 주제 선정이 아주 야무졌다고 생각됩니다!

 

남은 이틀도 으쌰으쌰 프로젝트를 마무리할 수 있길 바라며

 

안녕~~~~~~