# 11/27進度紀錄

**簡筠方 Claire**
* 針對keyword對資料進行分析
* 流程:
1. 檢視資料的基本結構與缺失情況，統計各欄NaN數量
2. 統計 target 欄位的 0 和 1 的分布
3. 統計 keyword 在資料中與按 target 分組中的分布，並計算每個 keyword 中屬於 target=1 的比例 target_1_ratio
4. 將 keyword 的結果按 target_1 和 target_1_ratio 排序並繪製條形圖
5. 將 keyword 欄位中的 %20 替換為空格並拆分成單字
6. 將拆分後的 split_keywords 按 target_1 和 target_1_ratio 排序並繪製條形圖
7. 計算train_data與test_data中keyword的交集與聯集，並計算出重疊率
* 困難:
* keyword在train_data和test_data中都有資料缺失，無法進行分析
* 我也不知道能怎麼辦
* keyword總共有兩百多個，製成圖的話會變得很長
* 或許可以只取前幾名，但這樣的話就看不出分布情況了?

---
**游婷安 Lulu**
* 做了什麼:

1.將文字長度與 target 的關係分布視覺化
2.統計前10常見的 keyword 及各自數量
3.統計 keyword 與 target=1,target=0 的數量，輸出 target=1 前10高 keyword
4.統計 keyword 與 target=1,target=0 的數量，輸出 target=0 前10高 keyword
5.將前面資料做成圖表
6.使用 sklearn 來預測 test.csv 結果
7.計算準確性

* 困難:

1.原先在 Colab 寫，後來改到 VS code上，發現他沒有 sklearn
* 尚未解決

2.大多都沒有學過也不知道從何開始
* 參考Kaggle的初學者sklearn教學，以及ChatGPT輔助

3.找不到更多元素和target有直接關係，導致無使預測更加準確
* 尚未解決
---
**廖奕皓 Hao**
* 做了什麼:
1. 先看train與test資料的一些基本資訊像是Missing Value、結構等
2. 印出範例，了解disaster和nondisaster的差異
3. 統計target0與1之分布比率
4. 繪製出disaster和non-disaster的數量長條圖
5. 繪製出前20常出現的keywords
6. 繪製出前10常發言的人所在之地點
7. 移除train與test中出現的URL和Punct
8. 移除train與test中出現的stopwords
* 難處:
一開始不知道要用114當kernel，耍白癡了一個小時...
很常遇見no module的情況，原來pip install在終端機中沒用，要寫在程式碼裡面
基本的功能都不會，所以要上網參考和學習加使用chatGPT

---
**陳芊羽 Eileen(lala)**
* 做了甚麼：
1. 看了 [kaggle的解答程式碼](https://www.kaggle.com/code/philculliton/nlp-getting-started-tutorial/notebook) 的前半段(到使用RidgeClassifier)
2. 看了 [十分基礎的pandas教學](https://simplelearn.tw/pandas-intro/#penci-%E7%AF%84%E4%BE%8B-12%EF%BC%9A%E8%AE%80%E5%8F%96-CSV-%E6%96%87%E4%BB%B6%E6%AA%94%E6%A1%88)
3. 將pandas教學中的各個函式用在data上

* 難處：
* 浪費了很多時間
* 中間看了一些對這次目標沒有幫助的東西，像是kaggle那題程式碼的前半段，希望自己下次能改善