“data-science” 시리즈

데이터 과학을 위한 파이썬 머신러닝 1장 연습문제 풀이

데이터 과학을 위한 파이썬 머신러닝 3장 연습문제 풀이

데이터 과학을 위한 파이썬 머신러닝 2장 연습문제 풀이

데이터 과학을 위한 파이썬 머신러닝 1장 연습문제 풀이

데이터 전처리 개념과 유형 데이터 전처리(data preprocessing) : 머신러닝 모델에 훈련 데이터를 입력하기 전에 데이터를 가공 머신러닝 기초 수식 : y=f(X) 데이터 X는 훈련 데이터(train data)와 테스트 데이터(test data)가 모두 같은 구조를 갖는 피쳐(feature)이고, X값을 넣으면 y값이 나옴 연속형 데이터 : 최댓값과 최솟값 차이가 피쳐보다 더 많이 나는 경우, 학습에 …

맷플롯립은 데이터 시각화를 위한 파이썬 라이브러리로, pyplot 객체를 이용해 그래프를 생성하고, figure와 axes 객체를 이용해 그래프의 밑바탕과 축을 설정할 수 있습니다. 산점도와 막대 그래프를 비롯한 다양한 그래프 종류를 생성할 수 있으며, 색상과 선의 형태 등을 설정할 수 있습니다. 또한, 그래프 제목과 라벨, 범례 등을 추가할 수 있습니다.

판다스 판다스(pandas) : 파이썬의 데이터 분석 라이브러리로 데이터 테이블을 다룸 인덱싱, 연산, 전처리 등의 다양한 함수를 제공하기 때문에, 넘파이를 효율적으로 활용할 수 있음 데이터프레임(DataFrame) : 데이터 테이블 전체를 가리키는 객체로 열과 행 각각 사용해 하나의 데이터 접근 시리즈(Series) : 피쳐 벡터와 같은 개념으로 데이터, 인덱스, 데이터 타입으로 구성되는 객체 시리즈 …

넘파이는 다차원 배열을 쉽게 처리하거나 수치 계산을 위한 라이브러리로, 속도가 빠르고 메모리 사용이 효율적하며 다양한 선형대수 관련 함수를 제공합니다. 넘파이 배열은 파이썬 리스트와 차이가 있으며, 데이터 타입이 동일하고 메모리에 연속적으로 나열되어 검색이나 연산 속도가 빠릅니다. 넘파이를 사용하면 배열의 구조와 차원을 변경하고 인덱싱, 슬라이싱, 증가값을 설정할 수 있습니다. 또한 arange를 사용해 값들을 생성할 수 있습니다.

피쳐는 모델에서 주어지는 데이터로, 데이터 테이블 상에서 속성에 해당한다. 이산형 데이터와 연속형 데이터의 차이, 그리고 이산형 데이터의 분류에 대해 설명하며, 데이터의 성질과 존재하지 않거나 잘못된 데이터를 고려해야 머신러닝 모델을 만들 수 있다는 것을 강조한다.

알고리즘은 문제 해결을 위한 절차나 방법이고, 머신러닝은 컴퓨터가 데이터를 통해 스스로 학습하는 알고리즘이다. 인공지능은 머신러닝과 딥러닝을 포함하며, 빅데이터는 방대한 양의 데이터를 다루는 머신러닝에 큰 영향을 미친다. 머신러닝은 지도학습, 비지도학습, 강화학습 등으로 나뉘며, 모델을 사용해 데이터를 분류하거나 예측하는 기술이다.