1. 사실

한 주동안 data leakage, class 불균형, 로그변환, 오버 샘플링, 언더샘플링, wrangling, feature importances, PDP, ICE, SHAP를 배웠다.
초반에는 데이터 분석 프로젝트의 틀을 배웠다면, 후반에는 모델을 해석하는 방법들이었다.

2. 느낌

모델을 해석하는 다양한 방법들이 흥미로웠다.
이번 section에서 모델을 통해 예측하는 부분들은 신기했지만 작동원리가 잘 와닿지는 않았다.
하지만 이번 sprint에서 배운 내용들은 모델의 의미를 해석하는 부분들이라 흥미롭게 느껴졌다.
특히 내가 관심있는 분야는 모델의 해석이 중요한 분야라 더 열심히 공부해야겠다는 생각이 들었다.

하지만 PDP나 SHAP 등의 차이를 명확하게 구분하지 못한 느낌이 들었다.
어떤 방법이 계산량이 많다던지, 어떤 방법이 피처끼리 연관성을 표현한다던지 하는 특징들이 뒤죽박죽 섞인 느낌이다.
또한 스챌하면서 사용법도 아직 미숙하다고 느꼈다. lecture note에서 나온대로 돌린다고 돌렸는데, 오류가 나고 plot도 좀 이상하게 그려졌다.
데이터 타입에 따라 방식이 달라지는 것 같은데 아직 파악은 못했다.

3. 교훈

데이터 사이언스 분야는 꾸준히 배워야 하는 분야임을 배웠다.
feature importance를 계산하는 방법에도 여러가지가 있었고, 다른 방법도 많았다. 이렇게 많은 방법들을 이해하고, 또 새로 나오는 방법들을 익히려면 계속 공부해야 할 것 같다.

4. 향후 행동

여러가지 해석 방법들의 특징을 표로 정리해봐야겠다... 언제가 될지는 모르지만.... 11월달 안에는 하자 내자신...