실제 시험처럼 AI 없이 풀어 보세요. 정답은 다 풀고 대화방에서 비교해요.
제2유형 (작업형2)40점난이도 상

[4번] 제2유형 (40점)놀이기구 대기 혼잡도

기출 범위기출 풀이에 나온 함수로 풀 수 있어요.

제공 데이터
  • data/ride_train.csv
  • data/ride_test.csv

놀이공원 운영팀은 앱에 놀이기구별 '지금 혼잡도'를 미리 보여 주고, '높음'이 예상되는 놀이기구에는 운영 인력과 줄 안내 요원을 먼저 보내려고 한다. 대기 시간은 줄 끝에서 손님에게 번호표를 나눠 주고 탑승할 때 거둬 사후에 계산하므로 그 시각에는 알 수 없어서, 미리 알 수 있는 정보로 혼잡도를 예측하는 모형을 만들기로 했다.

제공된 학습용 데이터(ride_train.csv)는 한 놀이공원에서 놀이기구별·시각별로 운영 정보와 날씨, 그날의 예상 입장객 수를 모은 자료에, 그 시각 줄을 선 손님이 실제로 기다린 시간으로 매긴 대기 혼잡도를 붙인 것이다. 학습용 데이터를 활용하여 대기 혼잡도(congestion)를 예측하는 모형을 개발하고, 모형을 평가용 데이터(ride_test.csv)에 적용하여 대기 혼잡도를 예측하시오. 예측 결과는 아래의 【유의 사항】과 【제출 형식】을 준수하여, CSV 파일로 생성하는 코드를 제출하시오.

【유의 사항】

 ㉠ 예측 결과는 Macro F1 평가지표에 따라 평가함
 ㉡ 우수한 평가지표 획득을 위해 다양한 모형을 대상으로 초매개변수 조합을 탐색하고 비교하여 최적의 모형을 찾는 과정이 필요함

【제출 형식】

 ㉠ CSV 파일명: result.csv (파일명에 디렉토리·폴더 지정불가)
 ㉡ 예측 대기 혼잡도 칼럼명: pred (train의 congestion 값과 같은 글자 그대로 작성 — 낮음, 보통, 높음 중 하나)
 ㉢ 제출 칼럼 개수: pred 칼럼 1개
 ㉣ 평가용 데이터 개수와 예측 결과 데이터 개수 일치: 1,200개

제공 데이터

■ 데이터 목록
① ride_train.csv: 학습용 데이터, 3,000개
② ride_test.csv: 평가용 데이터, 1,200개
 ☞ 평가용 데이터는 congestion 칼럼 미제공

■ 데이터 설명

칼럼명칼럼 설명
obs_id관측 번호
ride놀이기구 이름[하늘열차, 자이언트드롭, 바이킹, 급류타기, 후룸라이드, 회전목마, 범퍼카, 유령의집, 4D영화관, 꼬마기차]
ride_type놀이기구 종류[스릴, 워터, 가족, 어린이]
indoor실내 놀이기구 여부[Y, N]
capacity_ph시간당 탑승 가능 인원(명)
month월(1~12)
day_type날 구분[평일, 주말, 공휴일]
hour관측 시각(10~21시)
temp_c기온(℃), 결측 있음
rain_mm그 시각 강수량(mm)
event퍼레이드·축제가 있는 날인지[Y, N]
park_visitors그날 예매 기준 예상 입장객 수(천 명), 결측 있음
congestion실제 대기 시간으로 매긴 대기 혼잡도[낮음: 20분 미만, 보통: 20분 이상 45분 이하, 높음: 45분 초과]
CSV 파일 형식 및 확인 방법

■ CSV 파일명: result.csv · 예측 칼럼명: pred (칼럼 1개)

■ 제출 CSV 파일 형식 예시

pred
보통
낮음
높음
……

※ 라벨은 train 값 그대로 문자로 저장 (숫자로 바꿨다면 inverse_transform으로 되돌려 저장)

■ CSV 파일 확인 방법: 생성된 파일을 아래처럼 출력해 확인

import pandas as pd
result = pd.read_csv("result.csv")
print(result.head())
result.csv를 생성하는 코드를 작성하고 '제출'을 누르세요.
에디터 로딩 중…

파이썬 실행환경 불러오는 중 · 보통 3초