2019.02.08-1 chr() 함수와 ord() 함수¶ In [1]: ord('a') # 기본적인 문자를 0~255번 사이에 지정해 놓았다. Out[1]: 97 In [3]: chr(97) # ord() 함수와 반대이다. Out[3]: 'a' In [4]: chr(98) Out[4]: 'b' In [13]: for i in range(26): # a부터 z까지 출력하고자 할 때 print(chr(ord('a')+i)) a b c d e f g h i j k l m n o p q r s t u v w x y z enumerate¶ In [11]: l=[5,4,1,3,2] for (i,n) in enumerate(l): #내가 원하는 값이 몇번째인지 알고 싶을 때 print(i,n) 0 5 1 4 2 1..
In [1]: import numpy as np Iris 데이터 불러오기¶ In [2]: f = open('iris.csv') '''작업내용''' f.close() In [3]: data = [] f = open('iris.csv') f.readline() # 첫 줄은 분류 목록이므로 for line in f: I = line.strip().split(',') I[0] = float(I[0]) I[1] = float(I[1]) I[2] = float(I[2]) I[3] = float(I[3]) data.append(I) if I[4] == 'Iris-setosa': I[4] = 0 elif I[4] == ..
인공신경망 실습¶ Iris data를 사용해 실습을 진행해보겠다. 여기서는 iris 중 setosa, versicolor, virginica라는 품종의 데이터에 대해 살펴보겠다. 데이터는 먼저 Training Data Set과 Test Data Set으로 구분해 보겠다. (1) iris data set 로드¶ In [53]: from sklearn.datasets import load_iris sklearn라이브러리의 datasets라는 모듈에서 load_iris를 import한다. 이 코드는 sklearn.datasets의 모듈에 있는 아이리스 데이터를 불러오는 부분이다. In [54]: iris=load_iris() load_iris() 함수는 아이리스 dataset을 불러오는 기능을 수행한다. ir..
2019.02.08-2 In [3]: import numpy In [4]: numpy.array([1,2,3]) # numpy. Tab 눌러보면 쓸 수 있는 목록이 쭉 나와 Out[4]: array([1, 2, 3]) In [5]: import numpy as np # np로 짧게 쓰겠다 In [7]: np.array([1,2,3]) # numpy는 리스트를 numpy형 자료(array)로 바꾼것이다. Out[7]: array([1, 2, 3]) In [8]: l = [1,2,3,4,5] In [9]: a = np.array(l) a Out[9]: array([1, 2, 3, 4, 5]) In [10]: type(a) Out[10]: numpy.ndarray In [11]: len(a) Out[11]: ..
복습¶ In [1]: l=['Kim','Lee','Park'] In [2]: for i in l: print(i) Kim Lee Park for 의 range() 함수를 사용하여 0~9 까지 출력 In [6]: for i in range(10): print(i) 0 1 2 3 4 5 6 7 8 9 짝수 100개로 된 리스트 만들기(리스트 내포) In [19]: l=[i*2 for i in range(10)] l Out[19]: [0, 2, 4, 6, 8, 10, 12, 14, 16, 18] [[0,1,2,...,9],[10,11,12,...,19],[20,21,22,...29]]인 리스트 만들기 In [98]: nums=[] for i in range(3): I..
Untitled8 Iris 데이터를 이용해 간단한 랜덤 포레스트 구현¶ (1) Iris Data 소개¶ Iris 데이터는 붓꽃의 3가지 종류를 기록한 데이터이다. Iris 데이터에는 붓꽃 줄기의 길이, 너비 그리고 붓꽃 잎의 길이와 너비 등 4개의 특징이 있다. 그리고 목표 데이터, 즉 붓꽃의 종류인 target은 0, 1, 2로 되어 있는데 이는 각각 setosa, versicolor, virginica를 나타낸다. 전체 데이터의 크기는 150개(line)이다. (2) 필요한 패키지 및 라이브러리 로드¶ In [66]: from sklearn.datasets import load_iris Iris 데이터를 사용하기 위해 sklearn.DataSets 패키지에서 load_iris모듈을 import한다. ..
주피터 노트북에서 작업한 내용을 깔끔하게 티스토리에 정리하는 노하우를 공개하겠다. (1) 주피터 노트북에서 File 탭에서 Print Preview를 누른다. (2) 새로운 창이 열리면서 주피터에서 작업한 내용이 종이에 인쇄 된 것 마냥 화면에 보인다. 여기서 ctrl+U를 눌러준다. (3) 그러면 다음과 같이 작업한 내용이 html로 보이게 된다. ctrl+A를 눌러 전체 선택을 한 후, ctrl+c를 눌러 복사한다. (4) 티스토리 화면으로 와서 오른쪽 위에 HTML 왼쪽 네모 버튼을 체크하고 복사했던 것을 본문에 붙여넣기 한다. (여기서 크롬을 안쓰고 인터넷 익스플로러를 사용하면 붙여넣기 하는 시간이 매우 길어질 수 있으니 크롬을 추천한다.) (5) 붙여넣기가 됐다면 ctrl+F를 눌러 contai..
Untitled7 의사결정 트리 파이썬 코드 실습¶ (1)패키지 로드¶ In [1]: from sklearn.metrics import classification_report, confusion_matrix sklearn.metrics는 scikit-learn 패키지 중 모델 평가에 사용되는 모듈이다. sklearn.metrics 패키지의 모듈 중 classification_report는 주요 분류 측정 항목을 보여주는 보고서 모듈이다. confusion_matrix는 분류의 정확성을 평가하기 위한 오차행렬 계산 모듈이다. In [2]: from sklearn.model_selection import train_test_split sklearn.model_section은 scikit-learn 패키지 중..