SlideShare a Scribd company logo
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안
<묘를 따뜻하개>
8th 박태민 조태희
주상원 표영채
목 차
▪ 연구배경 및 목적
▪ 데이터 (Raw Data)
▪ 데이터 전처리
▪ 분석 및 결과
▪ 활용방안
▪ 참조
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안
1
연구배경 및 목적
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안연구배경 및 목적
2015년
2016년
2017년
2018년
2019년
1조 8100억
2조 2900억
2조 8900억
3조 6500억
4조 6000억
반려동물 시장 성장 전망
<자료 : 농협경제연구소>
1) 반려동물 시장 성장에 따른 유기동물의 증가
4
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안연구배경 및 목적
2015년
2016년
2017년
2018년
2019년
1조 8100억
2조 2900억
2조 8900억
3조 6500억
4조 6000억
반려동물 시장 성장 전망
<자료 : 농협경제연구소>
반려동물 시장의 지속적인 성장
유기동물 증가
1) 반려동물 시장 성장에 따른 유기동물의 증가
5
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안연구배경 및 목적
2) 유기동물 발생시 결과
입양(분양)
사망
안락사
주인에게 돌아감
타 센터로 이동
유기동물 발생
6
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안연구배경 및 목적
2) 유기동물 발생시 경과
유기동물 발생
주인 찾기
입 양
안락사
입양(분양)
사망
안락사
주인에게 돌아감
타 센터로 이동
7
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안연구배경 및 목적
2) 유기동물 발생시 경과
유기동물 발생
주인 찾기
입 양
안락사
3 weeks
입양(분양)
사망
안락사
주인에게 돌아감
타 센터로 이동
8
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안연구배경 및 목적
3) 연구 목적
안락사율 우선추천순위
0.89 1
0.30 2
A
B
Random Forest
9
2
데이터
(Raw Data)
10
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터(Raw Data)
26730 rows
11
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터(Raw Data)
항 목 예 시
ID A686464 / A683430
이름 뽀미 / 바우 / 없음
결과 발생 시각 2014-02-12 6:22:00 PM
결과 주인에게 돌아감 / 안락사 / 입양
세부결과 Suffering / Foster / Offsite / None
12
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터(Raw Data)
항 목 예 시
동물 종류 개 / 고양이
성별 및 중성화 중성화된 수컷 / 중성화된 암컷 / 없음
나이 1년 / 3주 / 2달
종 Shetland Sheepdog Mix / Lhasa Apso/Miniature Poodle
색깔 갈색&흰색 / 파랑 Tabby
13
3
데이터 전처리
14
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
개요
Decision Tree
<타이타닉 데이터기반 Decision Tree>
15
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
개요
00나이대
00
1 0
그룹화
10대
10대
20대
30대 40대
50대
60대
00나이
11
21
53 76
53
4
더미변수화
16
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
이 름
17
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
결과 발생 시각
분리
요일
시간대
계절
18
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
결과 발생 시각-1
분리 및 요일추가
19
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
Time 5-10 11-15 16-19 20-24
hrtype 0 1 2 3
결과 발생 시각-1
시간대
20
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
Month 1-3 4-6 7-8 9-12
season 0 1 2 3
결과 발생 시각-2
계절
21
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
결과
결과 결과(Outcome)
입양 0
사망 1
안락사 2
주인에게 돌아감 3
타 센터로 이동 4
22
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
성별 및 중성화
Raw Data
성별
중성화 여부
암컷 / 수컷
중성화 된 / 중성화 되지 않은
23
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
성별 및 중성화_1
Sex upon
Outcome
암컷 수컷 Unknown
sex 0 1 2
성별
24
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
성별 및 중성화 중성화여부
중성화된 1
불임수술 1
중성화 되지 않은 0
Unknown 0
성별 및 중성화_2
중성화
25
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
나이
단위 통일
26
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
tabby, tiger, brindle, point, merle
색깔
색깔
무늬
갈색/검정/흰색/기타
tabby, tiger, brindle, point, merle, spot
27
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
색깔_1
색깔 분리
28
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
색깔_1
대표색상구분
갈색
검은색
흰색
기타
29
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
색깔_2
무늬_1
30
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
Point Brindle Merle Tiger Tabby
색깔_3
무늬_2
Point
Brindle
Merle
Tiger
Tabby
31
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
종
그룹화
32
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
종
빈도 종별 빈도
1
2
3
11
Chihuahua Shorthair
Pit Bull
Retriever
etc
33
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
종
믹스
34
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안데이터 전처리
Raw Data
결과 발생 시각
종
색깔
35
4
분석 및 결과
36
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안분석 및 결과
Random Forest
37
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안분석 및 결과
38
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안분석 및 결과
최종 Kaggle rank 75/4136
제출 Data 평가지표
kaggle
39
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안분석 및 결과
Train set
예측률 약 60% 약 80%
40
5
Application
41
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안Application
42
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안Application
Train set
안락사율 높은 동물
안락사율 낮은 동물
43
6
Reference
44
<open session_team blabla>
유기동물 안락사율 예측 및
안락사 감소를 위한 DATA 활용방안
Thank you
for listening!
Contact us
: blabla@ybigta.com8th 박태민 조태희
주상원 표영채
45

More Related Content

What's hot

데이터 분석가는 어떤 SKILLSET을 가져야 하는가? - 데이터 분석가 되기
데이터 분석가는 어떤 SKILLSET을 가져야 하는가?  - 데이터 분석가 되기데이터 분석가는 어떤 SKILLSET을 가져야 하는가?  - 데이터 분석가 되기
데이터 분석가는 어떤 SKILLSET을 가져야 하는가? - 데이터 분석가 되기
Hui Seo
 
스타트업은 데이터를 어떻게 바라봐야 할까? (개정판)
스타트업은 데이터를 어떻게 바라봐야 할까? (개정판)스타트업은 데이터를 어떻게 바라봐야 할까? (개정판)
스타트업은 데이터를 어떻게 바라봐야 할까? (개정판)
Yongho Ha
 
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표
Dylan Ko
 
Azure Synapse Analytics 専用SQL Poolベストプラクティス
Azure Synapse Analytics 専用SQL PoolベストプラクティスAzure Synapse Analytics 専用SQL Poolベストプラクティス
Azure Synapse Analytics 専用SQL Poolベストプラクティス
Microsoft
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
BOAZ Bigdata
 
분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질
Sun Young Kim
 
어떻게 하면 데이터 사이언티스트가 될 수 있나요?
어떻게 하면 데이터 사이언티스트가 될 수 있나요?어떻게 하면 데이터 사이언티스트가 될 수 있나요?
어떻게 하면 데이터 사이언티스트가 될 수 있나요?
Yongho Ha
 
Data Quality Patterns in the Cloud with Azure Data Factory
Data Quality Patterns in the Cloud with Azure Data FactoryData Quality Patterns in the Cloud with Azure Data Factory
Data Quality Patterns in the Cloud with Azure Data Factory
Mark Kromer
 
[강연] 신고령친화시장 BM개발전략과 기술투자정책
[강연] 신고령친화시장 BM개발전략과 기술투자정책[강연] 신고령친화시장 BM개발전략과 기술투자정책
[강연] 신고령친화시장 BM개발전략과 기술투자정책
더게임체인저스
 
resin-dataに関する障害について
resin-dataに関する障害についてresin-dataに関する障害について
resin-dataに関する障害について
NTTDATA INTRAMART
 
Azure Antenna はじめての Azure Data Lake
Azure Antenna はじめての Azure Data LakeAzure Antenna はじめての Azure Data Lake
Azure Antenna はじめての Azure Data Lake
Hideo Takagi
 
[EN] Building modern data pipeline with Snowflake + DBT + Airflow.pdf
[EN] Building modern data pipeline with Snowflake + DBT + Airflow.pdf[EN] Building modern data pipeline with Snowflake + DBT + Airflow.pdf
[EN] Building modern data pipeline with Snowflake + DBT + Airflow.pdf
Chris Hoyean Song
 
Data Warehousing using Hadoop
Data Warehousing using HadoopData Warehousing using Hadoop
Data Warehousing using Hadoop
DataWorks Summit
 
사업계획서 양식
사업계획서 양식사업계획서 양식
사업계획서 양식
mister_park
 
Power Query Online
Power Query OnlinePower Query Online
Power Query Online
Ryoma Nagata
 
DB設計でこだわりたい三つの要素
DB設計でこだわりたい三つの要素DB設計でこだわりたい三つの要素
DB設計でこだわりたい三つの要素
Takahiro YAMADA
 
BlazorにSwaggerを導入してみよう
BlazorにSwaggerを導入してみようBlazorにSwaggerを導入してみよう
BlazorにSwaggerを導入してみよう
TomomitsuKusaba
 
개인화 추천은 어디로 가고 있는가?
개인화 추천은 어디로 가고 있는가?개인화 추천은 어디로 가고 있는가?
개인화 추천은 어디로 가고 있는가?
choi kyumin
 
[창업자&예비창업자] 스타트업 투자와 IR DECK 작성법
[창업자&예비창업자] 스타트업 투자와 IR DECK 작성법[창업자&예비창업자] 스타트업 투자와 IR DECK 작성법
[창업자&예비창업자] 스타트업 투자와 IR DECK 작성법
더게임체인저스
 
[창업자&예비창업자] 온라인 쇼핑몰 사업계획서 양식
[창업자&예비창업자] 온라인 쇼핑몰 사업계획서 양식[창업자&예비창업자] 온라인 쇼핑몰 사업계획서 양식
[창업자&예비창업자] 온라인 쇼핑몰 사업계획서 양식
더게임체인저스
 

What's hot (20)

데이터 분석가는 어떤 SKILLSET을 가져야 하는가? - 데이터 분석가 되기
데이터 분석가는 어떤 SKILLSET을 가져야 하는가?  - 데이터 분석가 되기데이터 분석가는 어떤 SKILLSET을 가져야 하는가?  - 데이터 분석가 되기
데이터 분석가는 어떤 SKILLSET을 가져야 하는가? - 데이터 분석가 되기
 
스타트업은 데이터를 어떻게 바라봐야 할까? (개정판)
스타트업은 데이터를 어떻게 바라봐야 할까? (개정판)스타트업은 데이터를 어떻게 바라봐야 할까? (개정판)
스타트업은 데이터를 어떻게 바라봐야 할까? (개정판)
 
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표
 
Azure Synapse Analytics 専用SQL Poolベストプラクティス
Azure Synapse Analytics 専用SQL PoolベストプラクティスAzure Synapse Analytics 専用SQL Poolベストプラクティス
Azure Synapse Analytics 専用SQL Poolベストプラクティス
 
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축
 
분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질
 
어떻게 하면 데이터 사이언티스트가 될 수 있나요?
어떻게 하면 데이터 사이언티스트가 될 수 있나요?어떻게 하면 데이터 사이언티스트가 될 수 있나요?
어떻게 하면 데이터 사이언티스트가 될 수 있나요?
 
Data Quality Patterns in the Cloud with Azure Data Factory
Data Quality Patterns in the Cloud with Azure Data FactoryData Quality Patterns in the Cloud with Azure Data Factory
Data Quality Patterns in the Cloud with Azure Data Factory
 
[강연] 신고령친화시장 BM개발전략과 기술투자정책
[강연] 신고령친화시장 BM개발전략과 기술투자정책[강연] 신고령친화시장 BM개발전략과 기술투자정책
[강연] 신고령친화시장 BM개발전략과 기술투자정책
 
resin-dataに関する障害について
resin-dataに関する障害についてresin-dataに関する障害について
resin-dataに関する障害について
 
Azure Antenna はじめての Azure Data Lake
Azure Antenna はじめての Azure Data LakeAzure Antenna はじめての Azure Data Lake
Azure Antenna はじめての Azure Data Lake
 
[EN] Building modern data pipeline with Snowflake + DBT + Airflow.pdf
[EN] Building modern data pipeline with Snowflake + DBT + Airflow.pdf[EN] Building modern data pipeline with Snowflake + DBT + Airflow.pdf
[EN] Building modern data pipeline with Snowflake + DBT + Airflow.pdf
 
Data Warehousing using Hadoop
Data Warehousing using HadoopData Warehousing using Hadoop
Data Warehousing using Hadoop
 
사업계획서 양식
사업계획서 양식사업계획서 양식
사업계획서 양식
 
Power Query Online
Power Query OnlinePower Query Online
Power Query Online
 
DB設計でこだわりたい三つの要素
DB設計でこだわりたい三つの要素DB設計でこだわりたい三つの要素
DB設計でこだわりたい三つの要素
 
BlazorにSwaggerを導入してみよう
BlazorにSwaggerを導入してみようBlazorにSwaggerを導入してみよう
BlazorにSwaggerを導入してみよう
 
개인화 추천은 어디로 가고 있는가?
개인화 추천은 어디로 가고 있는가?개인화 추천은 어디로 가고 있는가?
개인화 추천은 어디로 가고 있는가?
 
[창업자&예비창업자] 스타트업 투자와 IR DECK 작성법
[창업자&예비창업자] 스타트업 투자와 IR DECK 작성법[창업자&예비창업자] 스타트업 투자와 IR DECK 작성법
[창업자&예비창업자] 스타트업 투자와 IR DECK 작성법
 
[창업자&예비창업자] 온라인 쇼핑몰 사업계획서 양식
[창업자&예비창업자] 온라인 쇼핑몰 사업계획서 양식[창업자&예비창업자] 온라인 쇼핑몰 사업계획서 양식
[창업자&예비창업자] 온라인 쇼핑몰 사업계획서 양식
 

유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안

  • 1. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안 <묘를 따뜻하개> 8th 박태민 조태희 주상원 표영채
  • 2. 목 차 ▪ 연구배경 및 목적 ▪ 데이터 (Raw Data) ▪ 데이터 전처리 ▪ 분석 및 결과 ▪ 활용방안 ▪ 참조 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안
  • 4. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안연구배경 및 목적 2015년 2016년 2017년 2018년 2019년 1조 8100억 2조 2900억 2조 8900억 3조 6500억 4조 6000억 반려동물 시장 성장 전망 <자료 : 농협경제연구소> 1) 반려동물 시장 성장에 따른 유기동물의 증가 4
  • 5. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안연구배경 및 목적 2015년 2016년 2017년 2018년 2019년 1조 8100억 2조 2900억 2조 8900억 3조 6500억 4조 6000억 반려동물 시장 성장 전망 <자료 : 농협경제연구소> 반려동물 시장의 지속적인 성장 유기동물 증가 1) 반려동물 시장 성장에 따른 유기동물의 증가 5
  • 6. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안연구배경 및 목적 2) 유기동물 발생시 결과 입양(분양) 사망 안락사 주인에게 돌아감 타 센터로 이동 유기동물 발생 6
  • 7. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안연구배경 및 목적 2) 유기동물 발생시 경과 유기동물 발생 주인 찾기 입 양 안락사 입양(분양) 사망 안락사 주인에게 돌아감 타 센터로 이동 7
  • 8. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안연구배경 및 목적 2) 유기동물 발생시 경과 유기동물 발생 주인 찾기 입 양 안락사 3 weeks 입양(분양) 사망 안락사 주인에게 돌아감 타 센터로 이동 8
  • 9. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안연구배경 및 목적 3) 연구 목적 안락사율 우선추천순위 0.89 1 0.30 2 A B Random Forest 9
  • 11. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터(Raw Data) 26730 rows 11
  • 12. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터(Raw Data) 항 목 예 시 ID A686464 / A683430 이름 뽀미 / 바우 / 없음 결과 발생 시각 2014-02-12 6:22:00 PM 결과 주인에게 돌아감 / 안락사 / 입양 세부결과 Suffering / Foster / Offsite / None 12
  • 13. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터(Raw Data) 항 목 예 시 동물 종류 개 / 고양이 성별 및 중성화 중성화된 수컷 / 중성화된 암컷 / 없음 나이 1년 / 3주 / 2달 종 Shetland Sheepdog Mix / Lhasa Apso/Miniature Poodle 색깔 갈색&흰색 / 파랑 Tabby 13
  • 15. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 개요 Decision Tree <타이타닉 데이터기반 Decision Tree> 15
  • 16. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 개요 00나이대 00 1 0 그룹화 10대 10대 20대 30대 40대 50대 60대 00나이 11 21 53 76 53 4 더미변수화 16
  • 17. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 이 름 17
  • 18. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 결과 발생 시각 분리 요일 시간대 계절 18
  • 19. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 결과 발생 시각-1 분리 및 요일추가 19
  • 20. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 Time 5-10 11-15 16-19 20-24 hrtype 0 1 2 3 결과 발생 시각-1 시간대 20
  • 21. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 Month 1-3 4-6 7-8 9-12 season 0 1 2 3 결과 발생 시각-2 계절 21
  • 22. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 결과 결과 결과(Outcome) 입양 0 사망 1 안락사 2 주인에게 돌아감 3 타 센터로 이동 4 22
  • 23. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 성별 및 중성화 Raw Data 성별 중성화 여부 암컷 / 수컷 중성화 된 / 중성화 되지 않은 23
  • 24. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 성별 및 중성화_1 Sex upon Outcome 암컷 수컷 Unknown sex 0 1 2 성별 24
  • 25. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 성별 및 중성화 중성화여부 중성화된 1 불임수술 1 중성화 되지 않은 0 Unknown 0 성별 및 중성화_2 중성화 25
  • 26. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 나이 단위 통일 26
  • 27. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 tabby, tiger, brindle, point, merle 색깔 색깔 무늬 갈색/검정/흰색/기타 tabby, tiger, brindle, point, merle, spot 27
  • 28. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 색깔_1 색깔 분리 28
  • 29. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 색깔_1 대표색상구분 갈색 검은색 흰색 기타 29
  • 30. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 색깔_2 무늬_1 30
  • 31. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 Point Brindle Merle Tiger Tabby 색깔_3 무늬_2 Point Brindle Merle Tiger Tabby 31
  • 32. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 종 그룹화 32
  • 33. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 종 빈도 종별 빈도 1 2 3 11 Chihuahua Shorthair Pit Bull Retriever etc 33
  • 34. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 종 믹스 34
  • 35. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안데이터 전처리 Raw Data 결과 발생 시각 종 색깔 35
  • 37. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안분석 및 결과 Random Forest 37
  • 38. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안분석 및 결과 38
  • 39. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안분석 및 결과 최종 Kaggle rank 75/4136 제출 Data 평가지표 kaggle 39
  • 40. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안분석 및 결과 Train set 예측률 약 60% 약 80% 40
  • 42. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안Application 42
  • 43. 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안Application Train set 안락사율 높은 동물 안락사율 낮은 동물 43
  • 45. <open session_team blabla> 유기동물 안락사율 예측 및 안락사 감소를 위한 DATA 활용방안 Thank you for listening! Contact us : blabla@ybigta.com8th 박태민 조태희 주상원 표영채 45