해외_축구_선수_이적료_예측

해외 축구 선수 이적료 예측 연습입니다.

파일 불러오기

import pandas as pd
train = pd.read_csv('C:\dacon\soccer player pay\FIFA_train.csv')
test = pd.read_csv('C:\dacon\soccer player pay\FIFA_test.csv')
submission = pd.read_csv('C:\dacon\soccer player pay\submission.csv')

1. EDA

[파일]

1. FIFA_train.csv : 축구선수의 정보와 능력치 그리고 이적시장 가격이 포함된 데이터
2. FIFA_test.csv : 축구선수의 정보와 능력치가 포함된 데이터 해당 데이터의 선수들의 이적료를 예측해 주시면 됩니다.
3. submission.csv : 답안지의 형식

FIFA_train.csv

1. id : 선수 고유의 아이디
2. name : 이름
3. age : 나이
4. continent : 선수들의 국적이 포함되어 있는 대륙입니다
5. contract_until : 선수의 계약기간이 언제까지인지 나타내어 줍니다
6. position : 선수가 선호하는 포지션입니다. ex) 공격수, 수비수 등
7. prefer_foot : 선수가 선호하는 발입니다. ex) 오른발
8. reputation : 선수가 유명한 정도입니다. ex) 높은 수치일 수록 유명한 선수
9. stat_overall : 선수의 현재 능력치 입니다.
10. stat_potential : 선수가 경험 및 노력을 통해 발전할 수 있는 정도입니다.
11. stat_skill_moves : 선수의 개인기 능력치 입니다.
12. value : FIFA가 선정한 선수의 이적 시장 가격 (단위 : 유로) 입니다.

[제출 파일의 형식] submission.csv : 선수들의 아이디와 그에맞는 이적료가격을 기입하여 제출하여 주시기 바랍니다.

1. id : 선수 고유의 아이디
2. value : 예측된 선수 이적 시장 가격을 기입

train.head()

	id	name	age	continent	contract_until	position	prefer_foot	reputation	stat_overall	stat_potential	stat_skill_moves	value
0	0	L. Messi	31	south america	2021	ST	left	5.0	94	94	4.0	110500000.0
1	3	De Gea	27	europe	2020	GK	right	4.0	91	93	1.0	72000000.0
2	7	L. Suárez	31	south america	2021	ST	right	5.0	91	91	3.0	80000000.0
3	8	Sergio Ramos	32	europe	2020	DF	right	4.0	91	91	3.0	51000000.0
4	9	J. Oblak	25	europe	2021	GK	right	3.0	90	93	1.0	68000000.0

train.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8932 entries, 0 to 8931
Data columns (total 12 columns):
 #   Column            Non-Null Count  Dtype  
---  ------            --------------  -----  
 0   id                8932 non-null   int64  
 1   name              8932 non-null   object 
 2   age               8932 non-null   int64  
 3   continent         8932 non-null   object 
 4   contract_until    8932 non-null   object 
 5   position          8932 non-null   object 
 6   prefer_foot       8932 non-null   object 
 7   reputation        8932 non-null   float64
 8   stat_overall      8932 non-null   int64  
 9   stat_potential    8932 non-null   int64  
 10  stat_skill_moves  8932 non-null   float64
 11  value             8932 non-null   float64
dtypes: float64(3), int64(4), object(5)
memory usage: 837.5+ KB

test.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3828 entries, 0 to 3827
Data columns (total 11 columns):
 #   Column            Non-Null Count  Dtype  
---  ------            --------------  -----  
 0   id                3828 non-null   int64  
 1   name              3828 non-null   object 
 2   age               3828 non-null   int64  
 3   continent         3828 non-null   object 
 4   contract_until    3828 non-null   object 
 5   position          3828 non-null   object 
 6   prefer_foot       3828 non-null   object 
 7   reputation        3828 non-null   float64
 8   stat_overall      3828 non-null   int64  
 9   stat_potential    3828 non-null   int64  
 10  stat_skill_moves  3828 non-null   float64
dtypes: float64(2), int64(4), object(5)
memory usage: 329.1+ KB

2. 데이터 전처리

결측값은 없는 것으로 파악된다.

print(train.shape)
print(test.shape)
print(submission.shape)

(8932, 12)
(3828, 11)
(3828, 2)

import seaborn as sns
import matplotlib.pyplot as plt
train.corr()

	id	age	reputation	stat_overall	stat_potential	stat_skill_moves	value
id	1.000000	-0.475785	-0.423739	-0.972374	-0.630199	-0.402455	-0.544280
age	-0.475785	1.000000	0.263468	0.467345	-0.231303	0.039362	0.087319
reputation	-0.423739	0.263468	1.000000	0.521389	0.399183	0.196582	0.665982
stat_overall	-0.972374	0.467345	0.521389	1.000000	0.665453	0.400164	0.658444
stat_potential	-0.630199	-0.231303	0.399183	0.665453	1.000000	0.332578	0.611907
stat_skill_moves	-0.402455	0.039362	0.196582	0.400164	0.332578	1.000000	0.298500
value	-0.544280	0.087319	0.665982	0.658444	0.611907	0.298500	1.000000

plt.figure(figsize=(10,10))
sns.heatmap(train.corr(), annot=True)

<AxesSubplot:>

value와 관계가 높은 것은 stat_potential, stat_overall, reputation 이 세가지를 특성으로 잡고 모델링을 진행할 것이다.

3. 변수 선택 및 모델 구축

Feature Engineering & Initial Modeling

features = ['reputation', 'stat_overall','stat_potential']
X_train = train[features]
y_train = train['value']
X_test = test[features]

랜덤 포레스트 모델 구축

from sklearn.ensemble import RandomForestRegressor

model = RandomForestRegressor(bootstrap=True, n_estimators=200, max_depth=5, random_state=0)

4. 모델 학습 및 검증

Model Tuning & Evaluation

model.fit(X_train, y_train)

RandomForestRegressor(max_depth=5, n_estimators=200, random_state=0)

5. 모델 예측하기

y_pred = model.predict(X_test)

submission['value'] = y_pred
submission.to_csv('model.csv', index=False)

submission

	id	value
0	1	9.412775e+07
1	2	7.150148e+07
2	4	6.127439e+07
3	5	6.150698e+07
4	6	6.150698e+07
...	...	...
3823	16924	1.693312e+05
3824	16929	1.693312e+05
3825	16932	1.693312e+05
3826	16937	1.693312e+05
3827	16943	1.693312e+05

3828 rows × 2 columns

value값이 상당히 다르므로 모델을 수정해야할 필요가 있다.