'numpy' 태그의 글 목록

본문 바로가기

728x90

numpy

4/6 수 수요일! 오늘은 Multinomial Classification을 배운다. Linear Regression(연속적인 숫자 값 예측)이 발전한 것이 Logistic Regression → Classification(분류를 판단하는 예측) - Binary Classification(이항분류) - Multinomial Classification(다항분류) Logistic Regression은 이진 분류에 특화됨 SKlearn이 제공하는 분류기인 Gradient Descent(경사하강법)가 발전한 형태인 SGD Classifier(Stochastic Gradient Descent, 확률적 경사하강법) 1. Binary Classification - 위스콘신 유방암 데이터 by Gradient Descent Cl.. 더보기

3/29 화 화요일! 오늘은 어제 배운 Simple Linear Regression(단순 선형 회귀)을 코드로 구현한다. 1. Training Data Set 준비 : Data pre-processing(데이터 전처리). 사용할 수 있는 형태로 준비 2. Linear Regression Model을 정의 : y = Wx+b(예측 모델). hypothesis(가설) 3. 최적의 W(weight, 가중치), b(bias, 편차)를 구하려면 loss function(손실함수)/cost function(비용함수) → MSE 4. Gradient Descent Algorithm(경사하강법) : loss function을 편미분(W, b) × learning rate 5. 반복학습 진행 1. Training Dat.. 더보기

3/28 월 월요일! 금요일에 이어 머신러닝 들어간다~ Weak AI의 머신러닝 기법들 : 지도 학습, 비지도 학습, 강화 학습 1. Regression(회귀) : 데이터에 영향을 주는 조건들의 영향력을 고려해서, 데이터에 대한 조건부 평균을 구하는 기법 * 평균을 구할 때 주의해야 할 점 : 평균을 구하는 데이터에 이상치가 있을 경우 대표값으로 사용하기 어려움. 정규분포여야 함! 고전적 선형 회귀 모델(Classical Linear Regression Model) 단순 선형 회귀(Simple Linear Regression) import numpy as np import pandas as pd import matplotlib.pyplot as plt df = pd.DataFrame({'공부시간(x)': [1,2,3.. 더보기

3/21 월 월요일! 오늘은 Pandas의 DataFrame(DataFrame 연결 · 결합, Mapping, Grouping)을 마무리 짓고, 내일부터 데이터의 시각화에 대해 배운다. 1. DataFrame 연결 : pd.concat(). default는 행 방향으로 연결. 컬럼 명이 같은 것들이 서로 결합됨 import numpy as np import pandas as pd df1 = pd.DataFrame({'a':['a0', 'a1', 'a2', 'a3'], 'b':[1, 2, 3, 4], 'c':['c0', 'c1', 'c2', 'c3']}, index=[0, 1, 2, 3]) display(df1) df2 = pd.DataFrame({'b':[5, 6, 7, 8], 'c':['c0', 'c1', 'c2'.. 더보기

3/16 수 수요일! 어제~오늘까지 Numpy! 오늘 오후~이번 주까지 Pandas 진도! Anaconda Prompt에서 Jupyter notebook 실행 conda activate machine jupyter notebook 1. 행렬곱 연산은 앞쪽의 2차원 matrix 열과 뒤쪽의 2차원 matrix 행 개수가 같아야 함. (3, 2) * (2, 2) import numpy as np arr1 = np.array([[1,2,3], [4,5,6]]) # (2,3) arr2 = np.array([[4,5],[6,7],[8,9]]) # (3,2) print(np.matmul(arr1, arr2)) # matmul() 함수 사용해서 계산. 결과는 (2,2) # [[ 40 46] # [ 94 109]] 2. 전치행렬(.. 더보기

3/15 화 화요일! 우오오오 드디어 전공인 머신러닝 학습 시작! 수업 후엔 현업 개발자(무려 엔씨소프트, 넥슨코리아를 거쳐 직방)의 취업특강이 있다~ '커리어패스 가이드' : 커리어 맵, 기업별 장단점, 현업 개발자의 조언 데이터의 수집 · 가공(Data Handling)이 Machine Learning의 60~80%를 차지함 정제된 데이터 → 정확한 결과 1. Anaconda Prompt에서 Jupyter notebook 실행 2022.01.18 - [멀티캠퍼스 프로젝트형 AI 서비스 개발 5회차/Python] - 1/18 화 2. Python module 중 Pandas가 data handling에 사용됨 ← data를 사용하기에 요긴하게 만들어줌 Pandas의 data-type을 구성하고 있는 Numpy mo.. 더보기

이전 1 다음

728x90

티스토리툴바