조환희의 학습 블로그

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..

In [1]: a = "Life is too short, you need python" In [3]: if 'wife' in a: print('wife') elif 'python' in a and 'you' not in a: print('python') elif 'shirt' not in a: print('shirt') #여기서 결과값이 나왔으므로 뒤에 있는 참 거짓은 판별하지 않는다. elif 'need' in a: print('need') else: print('none') shirt In [ ]: # for문 ((조건)하는 동안에 ~해라.) In [ ]: #..

2019.1.30 조환희 In [ ]: #복습 In [6]: l=[] In [7]: l Out[7]: [] In [8]: l+=[1,2,3,] In [9]: l Out[9]: [1, 2, 3] In [10]: l.append(4) #l.append([4])를 하게 되면 l=(1,2,3,[4])가 되어버린다. In [11]: l Out[11]: [1, 2, 3, 4] In [12]: a=[3,2,5,1,4] In [13]: sorted(a) Out[13]: [1, 2, 3, 4, 5] In [18]: help(sorted) Help on built-in function sorted in module builtins: sorted(iterable, /, *, key=None, reverse=False) Re..

다중선형회귀분석 실습 1 In [18]: (1) Python package 로드 및 matplotlib 출력 옵션 설정 In [19]: # 사용할 패키지들을 불러와서 포함시키는 코드이다. # python package들을 가져오는 것과 matplotlib 출력 옵션 설정에 대한 내용이다. from sklearn import linear_model import numpy as np import pandas as pd import matplotlib import matplotlib.pyplot as plt %matplotlib inline matplotlib.style.use('ggplot') In [20]: (2) 데이터 생성 In [21]: data = {'x1' : [13, 18, 17, 20, 22,..