<aside>

</aside>

📖 챕터 소개

핵심 워크플로우 마스터 과정을 통과하신 것을 축하합니다! 이제 여러분은 PyCaret의 기본기를 모두 갖췄습니다. 지금부터는 그 기술들을 실제 비즈니스 문제에 적용하는 실전 프로젝트를 시작합니다. 첫 번째 프로젝트는 바로 '고객의 주스 구매 의도를 예측'하는 것입니다. 이번 시간에는 프로젝트의 목표를 명확히 정의하고, 본격적인 모델링에 앞서 데이터의 속살을 깊이 들여다보는 **탐색적 데이터 분석(EDA)**을 수행하는 방법을 배우겠습니다. 진정한 데이터 과학자로의 첫걸음, 함께 내디뎌 볼까요?

🎯 챕터 목표

• 주어진 비즈니스 문제를 '이진 분류(Binary Classification)' 문제로 정의할 수 있습니다.
• pycaret.regression 모듈에서 pycaret.classification 모듈로 전환하여 사용할 수 있습니다.
• ydata-profiling과 같은 전문적인 외부 도구를 사용하여 자동화된 **탐색적 데이터 분석(EDA)**을 수행할 수 있습니다.
• EDA 리포트를 해석하여 데이터에 대한 초기 가설을 세우고, 모델링 전략에 대한 인사이트를 얻을 수 있습니다.

💻 이번 챕터의 전체 코드 및 프로젝트 구조

이번 챕터의 핵심 코드

💡 이 챕터에서는 모델링을 하지 않습니다. 대신, 데이터 자체를 이해하는 데 집중합니다. ydata-profiling 라이브러리를 사용하여 단 몇 줄의 코드로 매우 상세한 데이터 분석 리포트를 생성합니다.

# 1. 라이브러리 준비
import pandas as pd
from pycaret.datasets import get_data
from ydata_profiling import ProfileReport # EDA를 위한 전문 도구

# ydata-profiling이 설치되어 있지 않다면, 먼저 설치해주세요.
# !pip install ydata-profiling

# 2. 데이터 불러오기 (분류 예제 'juice' 데이터셋)
juice_df = get_data('juice')

# 3. EDA 리포트 생성
# 데이터의 모든 통계, 분포, 관계를 분석한 리포트를 생성합니다.
profile = ProfileReport(juice_df, title="주스 구매 데이터 EDA 리포트")

# 4. 리포트 확인 (Jupyter Notebook 환경)
# 생성된 리포트를 인터랙티브 위젯 형태로 출력합니다.
profile

코드 실행 결과 미리보기

profile 실행 결과

아래와 같이 Jupyter Notebook 셀 안에서 데이터의 개요, 변수별 상세 정보, 변수 간 상호작용, 상관관계, 결측치 등을 모두 탐색할 수 있는 인터랙티브 HTML 리포트가 생성됩니다.