NH 농협 데이터사이언스 과정의 첫 번째 Kaggle Competition 페이지입니다.

## Wine Quality 분류하기
- Task: 현재까지 배운 Naïve Bayes, SVM, Tree Algorithm을 활용하여 와인 데이터셋의 quality를 분류
- **높은 순위를 달성한 팀에게는 상품이 주어지니, 가장 높은 순위를 획득하기 위하여 노력해주세요🚀**
- 상위권에 있는 팀에게는 해당 팀에서 활용한 데이터 분석 방법 및 사용된 모델에 대해 발표를 부탁드릴 예정입니다.

## 참가 방법
1. [Data] 탭에서 데이터를 다운로드 합니다.
2. train.csv를 활용하여 모델을 학습시킵니다.
3. 2에서 학습된 모델을 활용하여 test.csv의 데이터에 대한 quality를 예측합니다.
4. 예측한 데이터를 sample_submission.csv와 동일한 형식으로 변환하여 제출합니다.
5. 리더보드에서 순위 결과를 확인합니다.
(+ [Team] 탭에서 'Your Team'-'General'-'team name'을 팀번호\_팀이름(예: 1조_집보내조)로 변경해주세요.)

## 참가 규칙
- 제공된 데이터 이외의 데이터를 활용할 수 없습니다.
- 수업 중에 배운 머신러닝 모델만을 활용해야 합니다.
- 데이터와 모델 이외에 제한은 없으며, 성능 향상을 위하여 구글 검색을 통해 찾으신 모든 방법은 활용 가능합니다.

## 채점 방법
1. 리더보드에 파일이 제출되면 정확도를 기반으로 순위가 채점됩니다.
2. 실제 리더보드에는 test.csv 데이터의 50%만을 활용하여 채점되며(이는 리더보드의 public 탭에서 확인 가능합니다.) 최종 결과는 나머지 50%의 데이터로 평가되며(이는 리더보드의 private 탭에서 확인 가능하며, Competition이 종료되었을 때 공개됩니다.), 1:1의 점수 비율을 적용해 채점됩니다. 여러분이 제출하신 결과에 대한 성능으로 실제 답안을 유추할 수 있기에, 한 번도 공개되지 않은 데이터로 한 번 더 평가하는 과정이 추가되는 것입니다.

## Tips💡
- 5폴드 교차검증을 통해 성능을 확인해보세요. 다른 데이터셋에 대해서 성능이 낮을 수도 있습니다.
- Grid Search를 통해 가장 적합한 파라미터를 찾아보세요.
- 코드를 처음부터 작성하는 것은 어려우니, 구글 검색 및 온라인 도큐먼트, 그리고 지금까지 진행한 실습파일 등을 참고하여 효율적인 방법과 파라미터 후보군을 탐색하세요.
- 데이터의 퀄리티를 높이기 위하여 결측치를 처리하고, scaling해보세요!