1. 결측과 범주를 나눈다isna().sum() 으로 빈칸을, dtypes 로 문자열 열을 찾는다. 이 자료의 결측은 합성한 것이 아니라 원자료에 있던 것이다.
2. 범주형 결측에 이름을 준다fillna('unknown') 은 "모른다" 자체를 하나의 범주로 만든다. 결측 행을 버리면 평가 자료의 행이 줄어 제출 행 수가 맞지 않는다.
3. 더미 열을 학습 자료에 맞춘다reindex(columns=학습열, fill_value=0) 없이는 평가 자료에만 있는 범주 때문에 열 개수가 어긋나 predict 가 실패한다.
4. 라벨을 예측한다macro F1 은 라벨 지표다. predict 를 쓴다 — 확률은 이 문항의 답이 아니다.
5. 한 열만 저장한다pd.DataFrame({'pred': pred}).to_csv('result.csv', index=False). 공식 규격은 예측 칼럼 1개이며 경로를 따로 지정하지 않는다.

import pandas as pd
from sklearn.ensemble import RandomForestClassifier

train = pd.read_csv('train.csv')
test = pd.read_csv('test.csv')

categorical = ['workclass', 'marital_status', 'occupation', 'sex', 'native_country']
numeric = [column for column in test.columns if column not in categorical and column != 'id']

x_train = train[numeric].copy()
x_test = test[numeric].copy()
for column in categorical:
    dummies_train = pd.get_dummies(train[column].fillna('unknown'), prefix=column)
    dummies_test = pd.get_dummies(test[column].fillna('unknown'), prefix=column)
    # 평가 자료에만 있는 범주는 버리고, 없는 범주는 0 으로 채워 학습 열에 맞춘다
    dummies_test = dummies_test.reindex(columns=dummies_train.columns, fill_value=0)
    x_train = pd.concat([x_train, dummies_train], axis=1)
    x_test = pd.concat([x_test, dummies_test], axis=1)

model = RandomForestClassifier(n_estimators=200, random_state=42)
model.fit(x_train, train['target'])
pred = model.predict(x_test)

pd.DataFrame({'pred': pred}).to_csv('result.csv', index=False)

이 문항의 지표는 macro F1 이라 라벨을 내야 한다. 확률을 내면 형식 검사에서 "정수가 아니다" 로 걸린다. macro F1 은 두 클래스의 F1 을 단순 평균하므로, 적은 쪽 클래스(여기서는 target 1)를 거의 못 맞히면 정확도가 높아도 점수가 낮다. 이 기준 풀이의 macro F1 은 약 0.7396 이다. 제출 파일에 id 를 함께 넣으면 열이 2개가 되어 공식 규격에 어긋난다 — 행 순서가 곧 대응이다.