https://www.kaggle.com/


기본적으로 kaggle에서 있는 것과 같이 데이터 셋이 모두 전망예측을 원하는 데이터가 하나로 있고 그것을 포함해서 


영향요인에 대한 데이터 셋이 주어지기에 완전히 갖추어진 자료들이 제공되어 있다고 가정합니다. 




1. 영향요인의 데이터 셋들과 전망할 수 있기를 원하는 데이터 셋을 분리시킨다. 



2. 상관정도의 측면에서 전망을 원하는 하나의 데이터 셋에 제1, 제2, 제3, 등등의 계층으로 영향요인의 데이터 셋들을 분류한다. 


2-1. 추가로 이 단계에서 상관정도를 가지지 않는 것으로 판단되는 영향요인의 데이터 셋들은 버린다. 



3. 상관정도에 대해 시각화를 통해서 각각의 데이터 셋에 대해서 전망을 원하는 데이터 셋에 대한 상관 그래프의 선형성을 확인한다. 


3-1. 거의 선형성이 보이면 제1, 제2, 제3, 등등의 계층에 속하는 데이터 셋 집합에서 


전망을 원하는 데이터 셋에 대한 인자로 취급한다. 


3-2. 전망을 원하는 데이터 셋에 대한 제1, 제2, 제3, 등등의 계층에 속하는 데이터 셋 각각이 


선형성을 가지지를 않으면 데이터를 상관성에 있어서 더 작은 단위로 분해한다. (이게 어려움!..)


그리고 3번 차례를 모든 데이터 셋에 대해서 선형성이 만들어질 때까지 반복한다.



4. 머신러닝 모델에 학습을 시켜주면 알아서 알고리즘이 예측 factor와 영향요인들 사이의 상관정도에 대한 bias 조정을 해준다. 



5. 머신러닝 예측모델이 완성된다!