5일이나 공부 미뤘다. 조졌다 조졌다. 알고리즘에 관한 문제들이 종종 나오는데 한 번씩 슥슥 훑어보자. RCS(Revision Control System) : 단일 사용자를 위해서 만들었다. 파일단위로 개별버전을 추적, 관리한다. https://sowlgns.tistory.com/entry/CVSConcurrent-Versions-System CVS(Concurrent Versions System) CVS는 RCS를 기반으로 작성된 버전 관리 시스템입니다. 쉽게 얘기하자면 RCS는 파일 하나하나에 대해 버전 관리를 해주는 것이고, CVS는 RCS 기능을 이용해 소스나 문서를 프로젝트/모듈 단위로 관리 sowlgns.tistory.com 선형 검색 : 처음부터 끝까지 하나씩 순서대로 비교하며 원하는 값을 ..

#결정계수 구하는 식 : 타겟 - 예측 제곱의 합 / 타겟 - 평균 제곱의 합 결국 문제 해설은 하지 않았고... 슥 훑고 넘어갔다. 나중에 시간 써야 하는 부분이다. 그래도 어제 복습한 내용들 대충은 있으니 그것들 참고해서 진행하자. k-Nearest Neighbor KNN은 전에 동빈나 강의를 사알짝 봤었다. https://www.youtube.com/watch?v=QRWNto6BsfY 그래서 예제 표로 두 점 사이의 거리를 구하는 식을 연습했다. # 5 : speed = 2.75, agility = 7.50 # 12 : speed = 5.00, agility = 2.50 # 유클리디언 : √((5.00 - 2.75)² + (2.50 - 7.50)²) def euclidean_distance(x1, ..

1. 당뇨, 2. 자전거, 3. 골프 회원 의 세 가지를 예측하여 만드는 과제를 받았다. 근데 하나도 몰라서.. 약간 하기 싫었다가 주말에 기초강의를 다시 보고 다시 보니까 조금 이해가 가는 부분. 월요일에 재설명 해주시겠지?? ㅎㅎ 아마 낸 사람 많이 없을 것이다. 수업시간에 따라잡고 공부 열심히 하면 된다. from sklearn.datasets import load_diabetes from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier from sklearn.tree import DecisionTreeRegressor from sklearn.tree import plot_tr..

ML 모델 : Machine Learning Model. Feature : 데이터 세트의 일반적인 속성. 학습데이터(Training Data) 레이블(타겟값) : 피처에 기반해서 학습을 기반으로 답을 학습을 하는 것. 어떤 특성의 라벨링을 붙인 것. 테스트 데이터(Test data) 이 때는 Feature들만 주고 답이 없다. Feature를 기반으로 레이블을 예측을 한다. 그래서 예측을 한 레이블의 값과 테스트 데이터에 실제 값을 비교하여 ML 모델이 얼마나 잘 만들어졌는지에 대한 것을 평가한다. import sklearn import pandas as pd from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClass..

영어 개못한다. 토익 모의고사 한 쪽씩 풀고있는데 너무 많이 틀림. 한 10년 전에 모의토익 딱 한 번 본 적 있고 토익 본 적 없는데 그 때는 500점 나왔었다. 지금은 더 못하겠지.. 그 때는 미드를 많이 봐서 듣기가 그나마 커버가 됐고 문법 무슨 뭐뭐동사 지시대명사 이런거 하나도 외우지 않았다. 그래서 문법 이런거는 진심 하나도 모른다. 일단 수업 들을 때나 누가 어떤 말을 할 때는 알아들을 수 있어야 하고, 영어의 뼈대를 확인하기 위해서는 아무튼 필요한 작업이다. 아무튼 천천히 공부 하자. https://www.youtube.com/watch?v=Ce19o3wRXcA 요즘 영어를 공부하고 있는데 구와 절의 차이를 몰라서.. 구 : 단어 두 개 이상이 모여서 역할을 할 때. ex) at statio..

내가 분석할 데이터를 받았을 때는 제일 먼저 해야 하는 일이 이것이다. 데이터의 타입이 어떤지 쉐이프 얼마나 긴지, 오브젝트 정보는 어떤지 등을 확인해야 한다. from sklearn.datasets import load_iris import numpy as np iris = load_iris() print(type(iris), '\n') for attr in dir(iris): if not attr.startswith('_'): print(attr) print('=======iris data=======') print(f"type: {type(iris.data)}") print(f"shape: {iris.data.shape}") print(f"dtype: {iris.data.dtype}") print(..