TIL

collections 라이브러리의 Counter 클래스 카운터 처리 ( 숫자 세는 처리) 함수 제공 from collections import Counter list = ['a','b','c','a','a','c'] 배열 list의 요소 출현 수를 세서 출력 이 때 결과는 딕셔너리 자료형 (key:value) counter = counter(list) print(counter) Counter({'a' : 3, 'c' : 2, 'b' : 1}) 출현 순서가 높은 순대로 프린트 most_common의 (매개변수 n)을 입력하면 상위 n 개의 키와 값 리턴 아무것도 입력하지 않으면 전체 리턴 for elem, cnt in counter.most_common(): print(elem,cnt) a 3 c 2 b 1

itertools 라이브러리 반복 처리하기 위한 함수 제공 import itertools list = [1,2,3,4,5] 조합 list요소의 쌍을 추출하여 출력한다 for x in itertools.combinations(list,2): print(x) (1,2) (1,3) (1,4) (1,5) (2,3) (2,4) (2,5) (3,4) (3,5) (4,5) 하나의 연속된 배열로 결합 list에 a,b,c를 결합하고 요소 값 프린트 for x in itertools.chain(list,['a','b'.'c']): print(x) 1 2 3 4 5 a b c

Numpy 라이브러리 숫자 게산, 배열 다루는 행렬 연산 import numpy as np array = np.array([[1,2,3],[4,5,6],[7,8,9]]) print('array=' ,array) print('요소의 자료형 : ',array.dtype) print('요소 수 : ',array.size) print('차원 수 : ',array.ndim) print('각 차원의 요소 수 : ',array.shape) div_array = array/2 print('배열 전체 요소를 2로 나누기: ',div_array) div_array1 = array[0][0]/2 print('배열의 첫번째 요소를 2로 나누기: ',div_array1) array= [[1,2,3],[4,5,6],[7,8,9]..

[[ 0 0 1 2] [ 0 0 0 3] [ 4 5 6 7] [ 0 8 9 10] [ 0 11 12 13] [ 0 0 0 14] [ 0 0 0 15] [ 0 0 16 17] [ 0 0 18 19] [ 0 0 0 20]]자연어 = 우리가 평소에 말하는 음성이나 텍스트 자연어 처리(Natural Language Processing, NLP) : 자연어를 컴퓨터가 인식하고 처리하는 것 텍스트 전처리 과정 토큰화(tokenization) : 입력된 텍스트를 잘게 나누는 과정 keras, text 모듈의 text_to_word_sequence() 함수 : 문장을 단어 단위로 나눔 from tensorflow.keras.preprocessing.text import text_to_word_sequence text ..

MNIST 데이터셋 - 미국 국립표준기술원(NIST)이 고등학생과 인구조사국 직원 등이 쓴 손글씨를 이용해 만든 데이터로 구성 - 70,000개의 글자 이미지에 각각 0부터 9까지 이름표를 붙인 데이터셋 손글씨 이미지를 몇 %나 정확히 맞출 수 있는가? MNIST 데이터는 케라스를 이용해 불러올 수 있다. mnist.load_data() 함수 : 사용할 데이터 불러오기 X : 불러온 이미지 데이터 Y_class : 이 이미지에 0~9까지 붙인 이름표 • 학습에 사용될 부분: X_train, Y_class_train • 테스트에 사용될 부분: X_test, Y_class_test from keras.datasets import mnist (X_train, Y_class_train), (X_test, Y_c..

데이터 확인 import pandas as pd df = pd.read_csv(”../dataset/housing.csv”, delim_whitespace=True, header=None) print(df.info()) Range Index:506 entries,0 to 505 Data columns (total 14 columns): 0 506 non-null float64 1 506 non-null float64 … … … … 13 506 non-null float64 Dtypes: float64(12), int64(2) memory usage: 55.4 KB Index 506개= 총 샘플의 수는 506개 컬럼 14개= 13개의 속성과 1개의 클래스 0 1 2 3 … 12 13 0 0.00632 18..

df_pre라는 공간에 데이터를 불러옵니다. sample() 함수 : 원본 데이터의 몇 %를 사용할지를 지정, 원본 데이터에서 정해진 비율만큼 랜덤으로 뽑아오는 함수 frac = 1 : 원본 데이터의 100%를 불러오라는 의미 (frac = 0.5로 지정하면 50%만 랜덤) df_pre = pd.read_csv(’../dataset/wine.csv’, header=None) df = df_pre.sample(frac=1) print(df.info()) Data columns (total 13 columns): 0 6497 non-null float64 1 6497 non-null float64 2 6497 non-null float64 3 6497 non-null float64 4 6497 non-nul..

import pandas as pd df = pd.read_csv(’../dataset/sonar.csv’, header=None) print(df.info()) Range Index: 208 entries,0 to 207 Data columns (total 61 columns): 0 208 non-null float64 1 208 non-null float64 … … … … 59 208 non-null float64 60 208 non-null object Dtypes: float64(60), object(1) memory usage: 99.2+ KB Index가 208개이므로 총 샘플의 수는 208개이고, 컬럼 수가 61개이므로 60개의 속성과 1개의 클래스로 이루어져 있음 모든 컬럼이 실수형(flo..

샘플 수: 150 속성 수: 4 - 정보 1: 꽃받침 길이 (sepal length, 단위: cm) - 정보 2: 꽃받침 너비 (sepal width, 단위: cm) - 정보 3: 꽃잎 길이 (petal length, 단위: cm) - 정보 4: 꽃잎 너비 (petal width, 단위: cm) 클래스: Iris-setosa, Iris-versicolor, Iris-virginica 클래스가 3개 - 참(1)과 거짓(0) = 이항 분류(binary classification)와 다름 , 여러 개 중에 어떤 것이 답인지를 예측하는 문제 - 여러 개의 답 중 하나를 고르는 분류 문제 = 다중 분류(multi classification) 상관도 그래프 import pandas as pd df = pd.read..

피마인디언은 우리나라 사람과 같은 뿌리를 가진 ‘몽골로이드계’로 주식은 콩과 호박같은 식물이었고, 먹을 것은 항상 풍족하지 못했다. 이 때문에 그들은 조금만 먹어도 잘 생존할 수 있도록 몸속에 음식을 축적해 놓으려는 유전자를 가지게 되었다. 그러나 미국으로 이주하고 식생활이 서구화되면서 못 먹는 상황에 유리하게 적응한 유전자가 비만을 초래해 각종 성인병을 유발했다. 그 후 그들의 자식, 그 자식의 자식들까지 비만, 당뇨병 등 성인병 발병률이 증가하기 시작했다. 피마인디언은 세계에서 당뇨병 발병률이 가장 많은 종족이 되었고, 피마 족의 남자 63%, 여자 70%가 당뇨병에 걸렸다는 보고가 최근 발표되기도 했다. pima-indians-diabetes.csv : 768명의 인디언으로부터 8개의 정보와 1개의..