Fundamentals 검색 결과

52 개의 검색 결과가 있습니다.

Fundamentals

Data Mining - Ch02. Background of DataMining

GitHub 주소 https://github.com/JJukE/ JJukE - Overview JJukE has 4 repositories available. Follow their code on GitHub. github.com 궁금하신 분들은 놀러오세요! 1. Essential Math for Data Mining 1) Statistics ■ Two main branches of Statistics : 기술 통계학 & 추론 통계학 Descriptive Statistics (기술 통계학) 데이터의 기본적인 특징들을 설명함 Inferential Statistics (추론 통계학) 확률 분포에 대한 특징들을 추론함 (1) Descriptive Statistics (기술 통계학) 데이터의 기본적인 특징들을 ..

2021. 9. 14. 21:44

Fundamentals

Data Mining - Ch01. Introduction

GitHub 주소 https://github.com/JJukE/DataMining GitHub - JJukE/DataMining: DataMining Lecture DataMining Lecture. Contribute to JJukE/DataMining development by creating an account on GitHub. github.com 실습 자료들이 궁금하신 분들은 깃헙 참고! 목차 1. What is Data Mining? 데이터마이닝의 정의 : dataset의 pattern을 알아내고, 정보를 추출해내는 것 데이터 관리, 분석, 시각화에 관한 과목 데이터마이닝의 목표 : 이해 가능한 구조로 변형 EX. 데이터마이닝의 적용 분야 Airbnb's Aerosolve, Smart pric..

2021. 3. 13. 15:06

Fundamentals

맥OS anaconda 가상환경 생성/조회/삭제

맥 OS에서 아나콘다를 사용하여 가상환경을 생성, 조회, 삭제하는 방법을 정리해보고자 한다. 과정은 모두 터미널에서 진행된다. 1. 생성 가상환경을 생성하기 위해 다음과 같은 명령어를 사용한다. 명령어 >>> conda create --name [가상환경 이름] python==[원하는 python 버전] 예시 >>> conda create --name Test python==3.7.6 2. 설치 패키지 확인 : y > enter 생성 명령어를 치면 다음과 같이 새로운 패키지를 설치할지를 묻는 문구가 뜬다. 아래와 같이 y를 입력하여 설치하자. 먼저, 가상환경을 리스트를 출력하는 명령어는 다음과 같다. 명령어 >>> conda info --envs 그 결과, 아래와 같이 기존에 있던 가상환경과 추가된 환경..

2021. 3. 7. 10:35

Fundamentals

ML and DL - Session 7 : Naive Bayes Classifier

1. Introduction 1. Naive Bayes Classifier 필요한 라이브러리 불러오기 import pandas as pd from sklearn.naive_bayes import GaussianNB from sklearn.model_selection import train_test_split from sklearn.metrics import confusion_matrix from sklearn.metrics import accuracy_score cs - GaussianNB : Gaussian Naive Bayes Classifier Data 불러오기 # data 불러오기 data = pd.read_csv("credit_data.csv") features = data[["income", ..

2021. 2. 28. 16:31

Fundamentals

ML and DL - Session 6 : K-Nearest Neighbor Classifier

1. K-Nearest Neighbor Classifier Example 필요한 라이브러리 입력 import numpy as np from matplotlib import pyplot as plt from sklearn.neighbors import KNeighborsClassifier cs - sklearn.neighbors의 KNeighborsClassifier import! features 입력 import pandas as pd import numpy as np from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import c..

2021. 2. 19. 21:23

Fundamentals

ML and DL - Session 5 : Logistic Regression

※ Session 6 부터 정형화해서 업로드 예정입니다. Sigmoid_Function.py import numpy as np from matplotlib import pyplot as plt from sklearn.linear_model import LogisticRegression # data x1 = np.array([0, 0.6, 1.1, 1.5, 1.8, 2.5, 3, 3.1, 3.9, 4, 4.9, 5, 5.1]) y1 = np.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]) x2 = np.array([3, 3.8, 4.4, 5.2, 5.5, 6.5, 6, 6.1, 6.9, 7, 7.9, 8, 8.1]) y2 = np.array([1, 1, 1, 1, 1, ..

2021. 2. 18. 15:21