본문 바로가기

Study/Machine Learning

Pandas #2 2022. 3. 16. 1. 데이터 선택 각 index마다의 데이터를 선택해서 볼 수 있는 방법이 존재한다. print(df['이름'])//'이름'이라는 키를 가진 index를 출력 print(df[df.columns[0]])//column중에 0번째 index를 출력 print(df[df.columns[-1]])//column중에 가장 마지막 index 출력 아래와 같이 출력되는 것을 확인할 수 있다. 기존 파이썬의 배열에서 사용하던 슬라이싱도 여기서 그대로 사용할 수 있다. print(df['영어'][0:5])//영어 index의 0번째 부터 4번째 까지의 데이터 출력 print(df[['이름','키']][:3])//이름과 키 데이터의 2번째 데이터 까지 출력 column별로 출력을 해줄 수 있지만 row 별로도 출력이 가..
Pandas #1 2022. 3. 9. Machine Learning을 위해 Pandas를 한 번 훑어보자. 1. Series seires는 데이터를 딕셔너리와 같이 만들어주는 함수라고 생각하면 된다. temp = pd.Series([10,20,-10,0]) print(temp) 위와 같이 코드를 짰을 때 아래와 같은 리스트를 얻을 수 있다. 인덱스도 우리가 정해줄 수 있다. temp = pd.Series([10,20,-10,0],index =[1,2,3,4]) print(temp) 2. DataFrame 2차원 데이터(Series들의 모임)이다. data = { '이름' : ['채치수', '정대만', '송태섭', '서태웅', '강백호', '변덕규', '황태산', '윤대협'], '학교' : ['북산고', '북산고', '북산고', '북산고',..
Machine Learning #3 2022. 2. 3. 본격적인 머신러닝 알고리즘들을 살펴보자. 앞에서 간단하게 살펴보았던 Supervised Approach 먼저 자세히 살펴보자. Supervised Learning(지도 학습) 주어진 결과에 따라서 기계를 학습시키는 것이다. 1. Classification (분류) Classification은 기존에 존재하는 데이터의 Category 관계를 파악하고, 새롭게 관측된 Category를 스스로 판별하는 과정이다. 분류의 방법은 크게 두 가지 순서로 나눌 수 있다. 주어진 결과를 학습시키는 Training 단계와 그 학습에 대한 테스트를 진행하는 Test 단계로 나뉜다. Training 단계에서는 학습시키고자 하는 데이터와 도출하고자 하는 Label을 사람이 만든 뒤 기계에 넣어준다. 예를 들어 개인지 고양인지..
Machine Learning #2 2022. 1. 30. Exploratory Data Analysis(EDA) 굉장히 많은 양의 데이터를 분석하는 데에 어떤 값을 기준으로 잡아야 하는지, 내가 도출하고 싶은 분석이 무엇인지를 깨닫기 위해서는 반드시 분석 전에 데이터를 탐색하는 것이 필수이다. Exploratory Data Analysis는 데이터를 본격적으로 분석 석하기 전에 간략하게 탐색하는 기법이다. 이 기법에는 Categorical과 Numerical 방법 2가지가 존재한다. Numerical 이미 많은 곳에서 Numerical 한 데이터들을 많이 봐왔다. 평균, 표준편차, 분산 같이 데이터들의 표준 셋을 숫자로 나타내는 것을 Numerical 한 데이터 탐색이라고 한다. 하지만 outlier와 같은 표준 데이터 셋에 맞지 않는 데이터가 껴있을 수도 있..
Machine Learning #1 2022. 1. 20. Machine Learning(기계 학습) 기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구분야 기계가 학습(Learning)을 하려면 기계의 Performance가 Task를 통해 Experiecnce(Data)를 쌓아가며 성장해나갈 수 있다. 그래서 우리는 알고리즘을 잘 짜주면서 기계를 학습시켜 성능을 향상할 수 있다. Deep Learning 인공 신경망이라는 계층화된 알고리즘을 사용하는 Machin Learning의 한 기법. 인공 신경망의 설계는 인간 두뇌의 생물학적 신경망에서 영감을 얻어, 표준 머신 러닝 모델보다 훨씬 더 뛰어난 학습 프로세스를 보여준다. 알고리즘을 계층으로 구성하여 자체적으로 배우고 지능적인 결론을 내릴 수 있다..

티스토리툴바