[Discussion] 클러스터링 시 아파트, 공원, 학교. 지하철 다 넣고 돌려보기

[ChoonB]

• 클러스터링을 아파트만 넣고 하지 말고 공원, 학교, 지하철 정보까지 다 넣어서 시도해보고 권역 설정같은걸 해보면 어떨까하는 아이디어

[passi3]

해당 데이터를 모두 넣어서 타지역과 전세가가 구별된다면, 구별됨의 정도에 따라 입지 rank를 매길 수 있지 않을까 하는 아이디어

[passi3]

우선, subway, park, school 개수 기반 입지 rank 산정을 위한 처리 중

• alpha 값:
  • train: 0.3
  • subway: default
  • school: 0.03
  • park: 0.005

train, subway의 스캐터플롯

• 위 그래프에 따르면 거래 체결 아파트 매물과 지하철의 위치 정보가 일정부분 겹치는 것으로 예상됨에 따라, train과 subway에서의 최대, 최소 위도, 경도를 각각 구한 후, school, park 데이터까지 스캐터플롯을 그리게 되면 다음과 같음.

• 계산된 위치 데이터 범위:
  • latitude: 36.769502 ~ 38.1819371
  • longitude: 126.476241 ~ 127.723792
• alpha 값:
  • train: 0.3
  • subway: 0.3
  • school: 0.3
  • park: 0.05
• corr coef 값 확인 중

[passi3]

• deposit과 corr coef 값 확인 결과 다음과 같았습니다. deposit 1.000000 area_m2 0.522559 subway_count 0.322718 longitude 0.157859 built_year 0.145462 floor 0.132750 school_count 0.094456 latitude 0.075976 contract_year_month 0.072127 contract_day 0.007482 park_count -0.012665 contract_type -0.084579 age -0.137116 Name: deposit, dtype: float64

• 각 연도별 deposit과 corr coef 값의 변화는 다음과 같았습니다.

[xenx96]

해당 클러스터링 진행시, One Hot 코딩으로 전부 매겨서 진행해보는 것이 어떨까요? 현재 Subway List 관련 코드를 One-Hot 코딩으로 변경하는 작업을 해보고 있습니다. 그것으로 간단한 Corr 및 LGBM을 돌려보려고 하는데, 클러스터링에도 넣으면 어떨까 해서요.