2019.02.13-1 연습문제¶ 체스판 형태로 배열을 만들려고 한다. a= np.arange(81).reshape(9,9) chess = a%2 위의 결과를 출력하여 확인하시오. 위의 결과를 plt.imshow() 함수를 써서 표시하시오. 100x100 형태의 표준정규분포로 랜덤 배열을 생성하여, plt.imshow() 함수로 표시하시오. In [2]: import numpy as np a = np.arange(81).reshape(9,9) chess = a%2 In [3]: chess Out[3]: array([[0, 1, 0, 1, 0, 1, 0, 1, 0], [1, 0, 1, 0, 1, 0, 1, 0, 1], [0, 1, 0, 1, 0, 1, 0, 1, 0], [1, 0, 1, 0, 1, 0, 1..
2019.02.12-2 NumPy 랜덤 생성 함수¶ np.random.rand() np.random.randn() np.random.randint() np.random.normal() np.random.uniform() np.random.permutation() np.random.choice() np.random.seed() In [1]: import numpy as np import matplotlib.pyplot as plt randn()¶ 0~1 사이의 임의의 실수 선택(1은 제외) In [18]: a = np.random.rand(5,5) #[0,1] 구간의 임의의 실수 선택 a Out[18]: array([[0.92766857, 0.9842186 , 0.42338498, 0.34811212, 0..
2019.02.12-1 복습¶ Iris 데이터에서 X와 y를 분리하시오 Iris 에서 세가지 품종 데이터를 분리하시오. Iris 에서 PetalLength와 PetalWidth 두 속성을 이용하여 산점도를 그리시오. (plt.scatter 함수 사용) In [3]: import numpy as np In [10]: f = open('iris.csv') line = f.readline() features = line.strip().split(',')[:4] labels = ['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'] data=[] for line in f: I = line.strip().split(',') I[:4] = [float(i) for i in I..
슬랙 사용 방법
슬랙은 협업 툴로써 파일공유, 기존에 사용중인 다른 서비스와의 알림통합이 가능하며, 강력한 API를 제공해 개발자들이 원하는 정보를 슬랙을 통해 알림을 받을 수 있다. Trello와 알림통합을 해서 사용하고 있으며, 이 방법에 대해서는 다음에 블로깅 하도록 하겠다. 먼저, https://slack.com/downloads/windows 에 들어가 슬랙을 다운 받은 후 설치한다. 다음 사진은 https://slack.com/ 에 접속하면 보이는 화면이다. 슬랙에는 다른 회원가입 시스템이 없는게 특이한 점이다. 슬랙에는 각 대화방마다 아이디를 만들어 사용한다는 특징이 있다. 먼저, 아이디를 만들기 위해 Email을 입력 후 Get Started를 클릭한다. 그러면 다음과 같은 화면이 나오며, 입력했던 Ema..
로지스틱 회귀¶ Iris 데이터 셋을 로지스틱 회귀를 사용하여 분류해보자. In [22]: from sklearn import datasets import numpy as np import matplotlib import matplotlib.pyplot as plt iris = datasets.load_iris() list(iris.keys()) Out[22]: ['data', 'target', 'target_names', 'DESCR', 'feature_names', 'filename'] In [23]: X = iris['data'][:,3:] y = (iris['target']==2).a..
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..