Koo's.Co

머신러닝 알고리즘의 종류는 매우 다양합니다. 이들을 넓은 범주에서 분류하고 사용한다면 이해하는 데 도움을 줄 수 있습니다. 사람의 감독하에 훈련하는 것인지의 여부: 지도, 비지도, 준지도, 강화 학습 실시간으로 점진적 학습을 하는지 여부: 온라인 학습, 배치 학습 저장하고 있는 데이터와 새로운 데이터를 비교 or 데이터에서 패턴을 발견 해 예측 모델을 만드는지: 사례 기반 학습, 모델 기반 학습 위 범주들은 서로 배타적이지 않습니다. (ex) 지도학습이며 배치 학습이며 사례 기반 학습인 머신러닝 알고리즘) 1. 지도학습과 비지도 학습 "학습하는 동안의 감독 형태나 정보량" 에 따라 분류 지도 학습, 비지도 학습, 준지도 학습, 강화 학습으로 구분 ① 지도학습 훈련 데이터가 레이블을 포함하고 있음 분류 알..

[Numpy] 다항식을 다룰 수 있는 polynomial class, poly1d 회귀방정식을 구하거나 수치 연산을 할 때 다항식을 다룰 일이 엄청나게 많습니다! Numpy에서는 다항식을 사용하기 쉽게 polynomial class를 제공하고 있는데 오늘은 이 polynomial class에 대해 공부해보 koosco.tistory.com 지난 번에 다항식을 다룰 수 있도록 해주는 numpy의 poly1d class에 대해 알아보았습니다. stack overflow에서 polynomial을 plot하는 내용의 질문을 보고 한 번 정리해두려 합니다. import matplotlib.pyplot as plt import numpy as np p = poly1d([1, 2, 1]) plt.plot(p) 위 다..

1. 파이 차트 - 항목 별 비율차이를 파악하기 편한 그래프 - 범주형 자료를 표현하기에 적합 - 전체 데이터 중 특정 데이터의 비율을 보기 쉽게 표현 2. 파이 차트 사용 import matplotlib.pyplot as plt size = [30, 20, 15, 60] label = ['A', 'B', 'C', 'D'] color = ['darkmagenta', 'deeppink', 'hotpink', 'pink'] plt.title("Example Pie") plt.pie(size, labels=label, colors=color, autopct="%.1f%%", explode=(0, 0, 0.1, 0)) plt.legend() plt.axis('equal') pie chart의 파라미터 사용 - ..

𝑋1,𝑋2,𝑋3,...,𝑋𝑛을 추출했을 때, 해당하는 확률표본들의 평균이다 ※주의: 확률표본 𝑋1,𝑋2,𝑋3,...,𝑋𝑛은 각각이 크기가 n이 아니라 크기가 1인 표본들이 n개 있는것! 2. 중심극한정리 표본의 수 n이 충분히 큰 경우(보통 n > 30 정도) 모집단의 분포에 관계없이 표본평균의 분포는 정규분포를 따른다는 정리입니다. 확률표본을 추출한 후 이들의 평균을 구하는 시행을 반복하면, 이들 평균의 분포는 정규분포에 근사하게 됩니다. 이렇게 구해진 정규분포는 다음과 같습니다.

회귀방정식을 구하거나 수치 연산을 할 때 다항식을 다룰 일이 엄청나게 많습니다! Numpy에서는 다항식을 사용하기 쉽게 polynomial class를 제공하고 있는데 오늘은 이 polynomial class에 대해 공부해보려 합니다. 1. poly1d 다항식이 주어질 때 poly1d는 다항식의 계수만을 이용해 다항식을 나타냅니다. 위 다항식 같은 경우 poly1d([1, 1])과 같이 나타냅니다. 연산을 통해 다항식의 값을 계산하는 것도 가능합니다. 두 개의 다항식이 주어질 때 덧셈 연산을 수행하면, 다음은 곱셈 연산을 해보겠습니다 마지막으로 나눗셈 연산도 해보면 2) 다항식의 차수 len 함수를 통해 다항식의 차수를 구할 수 있습니다. 오늘은 numpy를 통해 polynomial class를 나타내는..

1. 정규분포를 표준화하는 이유 정규분포를 사용할 때는 먼저 평균과 표준편차를 ~N(0, 1)인 표준정규분포로 표준화한 후에 사용합니다. 정규분포를 따르는 분포는 많지만 각각의 평균과 표준편차가 다르기 때문에 일반화할 수 없기 때문입니다. 평균과 표준편차가 아무리 다르더라도 N(0, 1)로 만든다면 모두 같은 특성을 가지는 동일한 확률분포로 사용할 수 있습니다. 그렇다면 어떻게 이런 표준화가 가능할까요 2. 표준화하는 방법 데이터를 표준화하는 방법은 간단합니다. 지금부터 왜 이렇게 표준화가 되는지 차근차근 알아보려합니다. [5, 7, 11, 13, 8, 4] 라는 공부시간 데이터가 있을 때 해당 자료를 정규화하려 합니다. 1) 평균 주어진 데이터는 평균으로 8을 갖습니다. 이 때 모든 데이터에 대해 평균..

오늘은 추론 통계학 중에서도 통계적 추정에 대해 정리해보려 합니다. 통계적 가설 검정은 "어떤 불확실한 현상이 특정 분포를 따른다고 하면, 해당 분포의 성질을 이용해서 불확실한 현상을 예측할 수 있지 않을까"하는 생각에서 출발합니다. 여기서는 가장 많이 사용되는 분포 중 하나인 표준정규분포를 살펴보려 합니다. 1. 표준편차의 범위 (μ−σ, μ+σ)에 포함되는 데이터는 전체의 68.26% 입니다. 포함되는 데이터가 전체의 68.26%라는 것은 하나의 수를 뽑아서 그 값을 맞추려할 때 (μ−σ, μ+σ) 안에 있는 숫자를 말하면 68.26% 확률로 적중하는 것을 의미합니다. 표준편차의 범위가 커지게 되면 포함되는 데이터의 양은 더 커지게 됩니다. (μ−2σ, μ+2σ)에 포함되는 데이터는 늘어나 95.44..

1. 기하평균 평균을 구하는 방법에는 여러가지 방법이 있다. 가장 많이 사용되는 산술평균은 여러 가지 방법 중에 하나로 오늘은 기하평균에 대해 알아보려 한다. 두 개의 값의 기하평균은 다음과 같이 구할 수 있다. 처음 기하평균을 보면 무슨 의미인지 잘 다가오지 않아 헷갈릴 수 있다. 기하평균의 의미는 "같은 수를 두 번 곱한값이 x와 y를 곱한 값과 같도록 하는 수"이다. 기하평균은 성장률을 구하는 경우에 주로 사용된다. 해마다 증가하는 증가량의 평균을 구하면 평균적으로 어느정도 성장했는지를 알 수 있다. 값의 개수가 n개라면 위와 같이 구할 수 있다. 값의 개수로 나눠주는 산술평균과 값의 개수로 제곱근을 취해주는 기하평균은 개념이 동일하다. 2. 예제 기업의 성장률이 첫해 20%, 다음 해 -10%, ..

1. Series? - 데이터가 순차적으로 나열된 1차원 배열의 형태 - index와 value가 일대일 대응되어 저장 - value의 값은 다양한 자료형이 될 수 있음(정수, 부동소수, 문자열, Bool형 ...) 2. Series의 생성 1) Dictionary를 인자로 받는 경우 - key는 Series의 index, value는 Series의 value로 저장 import pandas as pd dict_data = {'a': 1, 'b': 2, 'c': 3} sr = pd.Series(dict_data) sr 2) List를 인자로 받는 경우 - 각각의 list인자가 Series의 value로 저장 - index는 0부터 차례대로 저장 list_data = [1, True, 'Koo', 1.23..