일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
- seaborn
- having
- Limit
- pandas
- 결측값
- 파이썬
- SUM
- join
- GROUPBY
- 머신러닝
- Round
- PostgreSQL
- airflow 설치
- airflow.cfg
- 데이터리안 웨비나
- not in
- solvesql
- SQLite
- 데이터시각화
- Oracle
- 프로그래머스
- 그로스해킹
- TRUNCATE
- MySQL
- hackerrank
- 전처리
- matplotlib
- 데이터분석
- SQL
- 다중 JOIN
- Today
- Total
목록전체 글 (128)
Milky's note
- 학습(fit), 예측(predict) LinearRegression 모델로 간단하게 학습과 예측을 구현해보려고 한다. 기본 사용 방법은 다음과 같다. # 라이브러리 불러오기 from sklearn.linear_model import LinearRegression # 모델 선언 model = LinearRegression() # 모델에 데이터 학습 model.fit(x, y) # 모델이 학습이 얼마나 되었는 지 검증 (=예측) prediction = model.predict(x2) 다음의 데이터로 LinearRegression 모델의 간단한 학습과 예측을 수행하였다. import numpy as np from sklearn.linear_model import LinearRegression # 샘플 데이..
- 머신러닝과 딥러닝 차이점 - 인공지능: 사람의 지능을 모방하여, 사람이 하는 것과 같이 복잡한 일을 할 수 있게 기계를 만드는 것 - 머신러닝: 기본적으로 알고리즘을 이용하여 데이터를 분석 및 학습하며, 학습한 내용을 기반으로 판단 또는 예측 - 딥러닝: 인공신경망에서 발전한 형태의 인공지능. 머신러닝 중 하나의 방법론 즉, 머신러닝은 데이터를 기반으로 패턴을 학습하여 결과를 추론하는 것 - 머신러닝 종류 지도 학습(Supervised Learning) 회귀(Regression) 수치형 값을 예측하는 행위 (ex. 집 값, 가격, 온도 등등) 분류(Classification) 분류형 값을 예측하는 행위 (ex. 스팸메일, 종류 판별, 암 진단 등등) 비지도 학습(Unsupervised Learning..
산점도 그래프(Scatter)¶ 두 변수의 상관 관계를 직교 좌표계의 평면에 점으로 표현하는 그래프 점으로 데이터를 표기해 줍니 x, y 값을 넣어주어야함 (hexbin과 유사) numeric 한 column 만 지정 가능 In [1]: import pandas as pd #우선 판다스 라이브러리를 import import matplotlib.pyplot as plt #다음으로 그래프를 그리기 위한 matplotlib.pyplot 라이브러리를 import 한다. # 한글 입력이 되지 않을 때는 다음 줄을 입력해주면 된다. # 맥에는 나눔 고딕이 아닌 애플고딕을 사용해야한다. from matplotlib import rc rc('font', family='AppleGothic'..
area plot, pie plot¶ In [1]: import pandas as pd #우선 판다스 라이브러리를 import import matplotlib.pyplot as plt #다음으로 그래프를 그리기 위한 matplotlib.pyplot 라이브러리를 import 한다. # 한글 입력이 되지 않을 때는 다음 줄을 입력해주면 된다. # 맥에는 나눔 고딕이 아닌 애플고딕을 사용해야한다. from matplotlib import rc rc('font', family='AppleGothic') plt.rcParams['axes.unicode_minus'] = False 샘플 데이터¶ 데이터프레임 로드¶ In [2]: df = pd.read_csv('ht..