-모델종류(어떤 상황에 쓰면 좋을지,(gb, 리니어 ,로지스틱, svc, 캣부스트, lgb,)가 쓰이면 좋은 상황-모델강화를 위한 .. (앙상블, 스태킹)-전처리(필요없는 데이터 파악하는 방법) -함수에 불이 안들어오는 상황; fit, predict-이진분류 -로컬미니마 ? 글로벌미니마에 빠지진 않았는지 시각화해서 보고 싶다.-그밖에 유익한 정보뽑아보기 (변제예상, 끝내고 느낀 점을 한줄로 요약하자면,:데이터이해도가 전처리에 중요한 역할을 한다. (data scientist가 domain이 중요한 이유)-> 적절한 전처리기법선택(범주형; 원핫인코딩/ 연속형;표준화, 정규화)-> 이상치 및 결측치 처리....식별하고 결측치특성삭제-> 특성 엔지니어링... 이해를 통해 새로운 특성을 만들거나 기존 특성을..