1. 예측할 때 주요하게 사용할 컬럼이 무엇인지
   1. 아파트 단지 이름(apt)을 어떻게 이용할지
      1. 유명한 도급업체(브랜드)인지 아닌지
   2. 면적(exclusive_use_area)
   3. 시공년도(year_of_completion)
   4. 층수
2. day_care_center, park 데이터를 어떻게 이용할지
   1. 아파트와 같은 동에 있는 공원과 주간보호시설의 퀄리티(면적, 설치 시설, CCTV, 통학차량 여부 등)을 통합하여 데이터셋에 merge하기

같은 아파트의 시간 별 거래 데이터 셋 만들기

1. 데이터셋의 구조를 어떻게 구성해야하나?
   1. 아파트명, 층수, 면적, 거래일자, 거래가격 등
2. 같은 아파트지만 층, 면적, 동이 다른 경우는?

전체 순서

1. 데이터 전처리
   1. 화요일 오후 까지(6/25, 18:00)
2. 모델 구축 및 학습
   1. 수요일 오전까지(6/26, 13:00)
3. 모델 개선
   1. 수요일 오후까지(6/26, 18:00)
4. 제출 및 발표준비
   1. 목요일 오전까지(6/27, 1:00)

해당 분야에 대한 이해도 필요함

데이터 전처리

1. 데이터 확인

   NO: 데이터의 id 값
   시군구
   번지: 번지 수 정보
   본번: 첫번째 번지 수
   부번: 두번째 번지 수
   단지명
   전용면적(㎡)
   계약년월
   계약일
   거래금액(만원): 가격 -> 타겟데이터
   동: 아파트의 동
   층: 아파트의 층
   매수자
   매도자
   건축연도
   도로명
   해제사유발생일
   거래유형: 직거래? 중개거래?
   중개사소재지
   등기일자
   주택유형: ONLY 아파트
   

   1. Drop할 컬럼
   2. 해제사유발생일에 대한 처리
   3. 시군구를 어떻게 숫자로 표현할 것인지
   4. 전용면적(㎡) 소수점 버리기

2. 결측치, 이상치 처리

   1. 거래유형 column 데이터 존재 유무, 절반이 비어있음. (78966 / 177450)
   2. 동 column 데이터 존재 유무, 절반 이상 비어있음. (125318 / 177450)
   3. 해제사유발생일 (78966 / 177450)
   4. 너무 비싸거나 싼 거래가격 데이터를 어떻게 처리해야하는지

3. 데이터 셋 병합