1. code에 삽입 먼저 IPython 패키지를 설치한다 !pip install IPython Image함수로 이미지 경로를 설정하고 이미지를 출력한다 from IPython.display import Image Image('images/image.png') 2. MarkDown에 삽입  경로 설정 후 이미지 출력
Python, Jupyter 🐍
정밀도와 재현율의 공식 정밀도 = TP / (FP + TP) 재현율 = TP / (FN + TP) 정밀도( = 양성 예측도) : 예측을 Positive로 한 대상 중에 예측과 실제 값이 Positive로 일치한 데이터의 비율 재현율( = 민감도, TPR) : 실제 값이 Positive인 대상 중에 예측과 실제 값이 Positive로 일치한 데이터의 비율 재현율이 중요 지표인 경우 - 실제 Positive 양성 데이터를 Negative로 잘못 판단하면 업무상 큰 영향이 발생하는 경우 ex) 암 판단 모델, 보험 사기 정밀도가 중요 지표인 경우 - 실제 Negative 음성 데이터를 Positive로 잘못 판단하면 업무상 큰 영향이 발생하는 경우 ex) 스팸메일 여부 판단 모델 재현율과 정밀도 모두 TP를 ..
load_boston()을 실행하였는데 다음과 같은 에러가 떴다 `load_boston` has been removed from scikit-learn since version 1.2. 이는 보스턴 데이터셋의 윤리적인 문제로 1.2버전에서 load_boston()이 삭제되었기 때문이다. 해결법 import pandas as pd import numpy as np data_url = "http://lib.stat.cmu.edu/datasets/boston" raw_df = pd.read_csv(data_url, sep="\s+", skiprows=22, header=None) data = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]]) target..
머신러닝의 종류¶ 머신러닝 : 인공지능을 공부시키는 방법 1 지도 학습(Supervised Learning)¶문제와 정답을 모두 알려주고 공부시키는 방법 지도 학습 : 반응변수를 예측해내는 것이 목적 1-1 회귀(Regression)¶ 회귀 예측분석(regression) : *수량형* 반응변수 예측 얼마나 많은가?와 같은 *양적*인 문제 해결에 도움되는 알고리즘으로 *분류* 문제에 비해 모형의 복잡도가 높음 예) 구매 금액, 매출액, 이용 고객 수 예측 등 선형 회귀, 회귀나무, 시계열 분석 사례 1-2 분류(Classification)¶분류분석(classification) : *범주형* 반응변수 예측 새로운 데이터와 형성된 모형으로부터 보지못한 데이터 분류 이진 분류(binary classificati..
02 첫 번째 머신러닝 만들어 보기 - 붓꽃 품종 예측하기¶ sklearn.datasets : 사이킷런에서 자체적으로 제공하는 데이터 세트 생성 sklearn.tree : 트리 기반 ML 알고리즘 구현. ML 알고리즘은 의사 결정 트리(Decision Tree) 알고리즘으로, 이를 구현한 DecisionTreeClassifier 적용 sklearn.model_selection : 학습 데이터와 검증 데이터, 예측 데이터로 데이터를 분리하거나 최적의 하이퍼 파라미터로 평가 load_iris() : 붓꽃 데이터 세트 생성 train_test_split() : 데이터 세트를 학습 데이터와 테스트 데이터로 분리 피처는 속성(컬럼, 열), 레이블은 품종 In [7]: from sklearn.datasets imp..
In [ ]: #11.3.3부터 복습 https://datascienceschool.net/01%20python/04.08%20%EC%8B%9C%EA%B3%84%EC%97%B4%20%EC%9E%90%EB%A3%8C%20%EB%8B%A4%EB%A3%A8%EA%B8%B0.html# https://rfriend.tistory.com/category/Python%20%EB%B6%84%EC%84%9D%EA%B3%BC%20%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D 11장 시계열¶ 11.1 날짜, 자료형, 도구¶ In [1]: from datetime import datetime In [2]: now = datetime.now() In [3]: now Out[3]: dateti..
https://www.openstreetmap.org/#map=7/35.948/127.736 오픈스트리트맵 OpenStreetMap은 여러분과 같은 사람들이 만들어, 개방형 라이선스에 따라 자유롭게 사용할 수 있는 세계 지도입니다. www.openstreetmap.org In [4]: import pandas as pd df = pd.read_excel('서울지역대학교위치.xlsx') df Out[4]: 대학교 위도 경도 0 KAIST 서울캠퍼스 37.592573 127.046737 1 KC대학교 37.548345 126.854797 2 가톨릭대학교(성신교정) 37.585922 127.004328 3 가톨릭대학교(성의교정) 37.499623 127.006065 4 감리교신학대학교 37.56..
In [ ]: # 9.2부터 복습함 9장 그래프와 시각화¶ 9.1 matplotlib API 간략히 살펴보기¶ In [9]: import matplotlib.pyplot as plt In [188]: import numpy as np In [189]: data = np.arange(10) In [190]: data Out[190]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) In [191]: plt.plot(data) Out[191]: [] 9.1.1 figure와 서브플롯¶ plt.figure¶ matplotlib에서 그래프는 Figure 객체 내에 존재 그래프를 위한 새로운 figure(피겨)는 plt.figure을 사용해 생성 In [192]: fig = plt.figure..
10장 데이터 집계와 그룹 연산¶ 10.1 GroupBy 메카닉¶ In [8]: import pandas as pd import numpy as np df = pd.DataFrame({'key1': ['a', 'a', 'b', 'b', 'a'], 'key2':['one', 'two', 'one', 'two', 'one'], 'data1': np.random.randn(5), 'data2': np.random.randn(5)}) In [9]: df Out[9]: key1 key2 data1 data2 0 a ..
In [52]: ### 7.3.2부터 복습 7장 데이터 정제 및 준비¶ 7.1 누락된 데이터 처리하기¶ isnull¶ 산술 데이터에 한해 pandas는 누락된 데이터를 실숫값인 NaN으로 취급 In [4]: string_data = pd.Series(['aardvark', 'artichoke', np.nan, 'avocado']) In [5]: string_data Out[5]: 0 aardvark 1 artichoke 2 NaN 3 avocado dtype: object In [6]: string_data.isnull() Out[6]: 0 False 1 False 2 True 3 False dtype: bool 파이썬의 내장 None값 또한 NA 값으로 취급 ..
