mk 공부 정리

판다스에는 데이터 분석에 유용한 여러가지 메소드와 속성이 미리 정의되어 있다. 판다스 객체의 데이터를 확인하는 다양한 방법 소개 1. DataFrame 만들기 csv 파일 불러오기 df = pd.read_csv('weather.csv') df 2. df.shape (행, 열) 크기 확인 df.shape .shape 속성을 이용하면 데이터의 (행, 열) 크기를 확인한다. 3. df.info() 데이터의 전체적인 구조 출력 df.info() .info() 함수는 데이터에 대한 전반적인 정보를 나타낸다. df를 구성하는 행과 열의 크기, 컬럼명, 컬럼을 구성하는 값의 자료형 등을 출력해 준다. 데이터 개수 n = 3653 entry, 행 인덱싱 번호 0 to 3652 열 변수 형식 출력 : 실수 float, ..

PYTHON/PANDAS 2024. 2. 29. 15:04

판다스의 기본 객체인 Series와 DataFrame을 생성하는 다양한 방법 Series : 레이블을 갖는 1차원 배열 DataFrame : 레이블을 갖는 행과 열을 갖는 2차원 배열 Pandas 모듈 데이터는 Series (1개 변수)와 DataFrame(2개 이상의 변수)로 나뉜다. 외부 데이터를 Pandas 모듈로 읽어 들이면 자동으로 DataFrame으로 된다. Pandas 데이터프레임을 행, 열, 그리고 형식 기준으로 다룬다. 1. Series와 DataFrame Series : 다양한 자료형을 담을 수 있는 1차원 배열. 엑셀 문서의 하나의 column과 같다. Index라는 레이블을 가진다. DataFrame : 행과 열을 갖는 2차원의 자료형. 여러 개의 Series가 모이면 DataFra..

PYTHON/PANDAS 2024. 2. 29. 13:41

1. Import the numpy package under the name np (★☆☆) import numpy as np 2. Print the numpy version and the configuration (★☆☆) print(np.__version__) np.show_config() 더보기 Q. np.show_config() 함수는 무엇인가? np.show_config()은 numpy 라이브러리의 설정 정보를 출력하는 함수이다. numpy가 내부적으로 어떤 컴파일러와 라이브러리를 사용하고 있는지, BLAS / LAPACK 라이브러리가 어떤 것이 연결되어 있는지 등의 정보를 제공한다. 이 함수를 호출하면 numpy가 어떻게 빌드되었는지에 대한 세부 정보를 볼 수 있다. 이는 성능 최적화나 디버깅..

PYTHON/NUMPY 2024. 2. 28. 16:07

a값이 클수록 기울기가 급해진다. b값은 그래프의 좌우이동을 의미한다. sigmoid(x) = 1 / ( 1 + e^(-x)) 이때 x는 ax + b형태로 표현되며, 여기서 a는 기울기를, b는 y절편을 나타낸다. 여기서 a값과 오차값은 반비례관계를 형성한다. a값이 커질 수록 sigmoid 함수의 기울기가 커지게 되는데, 이는 입력값에 대한 출력값의 변화를 더욱 민감하게 반영하게 된다. 즉, 입력값의 작은 변화에도 불구하고 출력값이 크게 변화하는 것. 이로 인해, 실제 값과 예측 값 사이의 오차가 줄어들게 되는데, 이는 모델이 데이터를 정확하게 학습하게 되어 오차를 최소화하는 효과를 가져온다. 그러나 a값이 너무 크면 Overfitting의 위험이 있으므로 적절한 a값을 찾는 것이 중요하다. 다만, 이..

AI/Machine Learning 2024. 2. 4. 13:15

hypothesis ( 가설 함수 ) : 문제를 해결하기 위해 가정하는 식 -> y = ax + b weight ( 가중치 ) : 기울기 a는 변수 x에 어느 정도의 가중치를 곱하는지 결정한다. -> a를 w로 표시 bias ( 편향 ) : 절편 b는 데이터의 특성에 따라 따로 부여하는 값이다. -> b로 표시 즉, 우리가 배워온 y = ax + b는 머신러닝에서 H(x) = wx + b라고 표기한다. loss function ( 손실 함수 ) : 평균 제곱 오차처럼 실제값과 예측값 사이의 오차에 대한 식 optimizer ( 옵티마이저 ) : 최적의 기울기와 절편을 찾기 위해 경사하강법을 배웠는데, 이렇게 최적을 해를 찾기 위해 사용하는 방법들을 optimizer라고 한다. -> 우리가 배워온 경사하강..

AI 2024. 2. 4. 12:53

PANDAS 관계 또는 레이블링 데이터로 쉽고 직관적으로 작업할 수 있도록 고안된 빠르고 유연하며 표현력이 뛰어난 데이터 구조를 제공하는 Python 패키지 PANDAS특징 부동 소수점이 아닌 데이터 뿐만 아니라 부동 소수점 데이터에서도 결측 데이터(NaN으로 표시됨)를 쉽게 처리 크기 변이성(Size mutability): DataFrame 및 고차원 객체에서 열을 삽입 및 삭제 가능 자동 및 명시적(explicit) 데이터 정렬: 객체를 라벨 집합에 명시적으로 정렬하거나, 사용자가 라벨을 무시하고 Series, DataFrame 등의 계산에서 자동으로 데이터 조정 가능 데이터 세트에서 집계 및 변환을 위한 분할(split), 적용(apply), 결합(combine) 작업을 수행 할 수 있는 강력하고 ..

PYTHON/PANDAS 2024. 1. 22. 14:37

배열 입출력 함수 설명 파일 종류 np.save() NumPy 배열 객체 1개를 파일에 저장 바이너리 np.savez() NumPy 배열 객체 여러개를 파일에 저장 바이너리 np.load() NumPy 배열 저장 파일로부터 객체 로딩 바이너리 np.loadtxt() 텍스트 파일로부터 배열 로딩 텍스트 np.savetxt() 텍스트 파일에 NumPy 배열 객체 저장 텍스트 출처 : 이수안 컴퓨터 연구소

PYTHON/NUMPY 2024. 1. 21. 15:57

NumPy의 배열 연산은 벡터화(vectorized) 연산을 사용 vectorized연산이란? 단순히 배열에 대한 연산을 하려면 원래 요소들을 모두 꺼내서 반복문 등으로 연산해야하는데, 넘파이는 기본적으로 vectorized연산을 사용하기 때문에 여기에 대해서 각 요소들이 벡터연산으로 빠르게 연산할 수 있다. 일반적으로 NumPy의 범용 함수(universal functions)를 통해 구현 배열 요소에 대한 반복적인 계산을 효율적으로 수행 브로드캐스팅(Broadcasting) 산술 연산(Arithmetic Operators) 연산자 범용 함수 설명 + np.add 덧셈 - np.subtract 뺄셈 - np.negative 단항 음수 * np.multiply 곱셈 / np.divide 나눗셈 // np..

PYTHON/NUMPY 2024. 1. 19. 21:03