Group by
: SQL의 group by 명령과 같다.
split -> apply -> combine
'AI > Numpy & Pandas' 카테고리의 다른 글
Data preprocessing (0) | 2021.01.22 |
---|---|
선형대수 파이썬으로 구현해보기 ! (0) | 2021.01.14 |
선형대수 기초 (0) | 2021.01.12 |
Group by
: SQL의 group by 명령과 같다.
split -> apply -> combine
Data preprocessing (0) | 2021.01.22 |
---|---|
선형대수 파이썬으로 구현해보기 ! (0) | 2021.01.14 |
선형대수 기초 (0) | 2021.01.12 |
0. 머신러닝 학습 구조
출처 : Edwith 머신러닝을 위한 파이썬
1. 개념
Model : 예측을 하기 위한 수학 공식, 함수
ex) 1차 방정식, 확률 분포, condition rule
Algorithm : Model을 생성하기 위한 훈련 과정
y = ax + b에서
독립변수, 종속변수 : x, y
a, b 는 알고리즘을 통해 최적값을 찾음
Feature : 머신러닝에서 데이터의 특징을 나타내는 변수, 독립변수, Column
하나의 실제 데이터는 feature vector로 표현한다.
2. 용어 정리
3. 데이터 핸들링 방법
Pandas : 엑셀처럼 데이터 핸들링
Numpy : vector, matrix 형태의 데이터를 핸들링
normal equation (0) | 2021.01.25 |
---|---|
Linear Regression (0) | 2021.01.25 |
RNN-basic (0) | 2021.01.15 |
Simple Linear Regression (0) | 2021.01.15 |
텐서플로우란? (0) | 2021.01.14 |
1. 중복을 허용하지 않는다.
s1 = set([1,2,3,3])
print(s1, '\n')
{1, 2, 3}
2. 순서가 없다.
s2 = set("Hello")
print(s2, '\n')
{'e', 'l', 'H', 'o'}
3. 교집합 구하기
s3 = set([1,2,3,4,5,6])
s4 = set([4,5,6,7,8,9])
print(s3 & s4, '\n')
{4, 5, 6}
4. 합집합 구하기
print(s3 | s4, '\n')
{1, 2, 3, 4, 5, 6, 7, 8, 9}
5. 차집합 구하기
print(s1 - s2, '\n')
{1, 2, 3}
6. 집합에 값 한 개 추가하기
s1.add(7)
print(s1, '\n')
{1, 2, 3, 7}
7. 집합에 여러 개 값 추가하기
s1.update([4,5,6])
print(s1, '\n')
{1, 2, 3, 4, 5, 6, 7}
8. 특정 값 제거하기
s1.remove(2)
print(s1, '\n')
{1, 3, 4, 5, 6, 7}
python 문자열 부분 일치, 앞부분 일치, 뒤부분 일치 (0) | 2021.06.15 |
---|---|
Pythonic Code - Deque, Ordered Dict, Counter (0) | 2021.01.12 |
Pythonic Code - asterisk (0) | 2021.01.12 |
Pythonic Code - Lambda & MapReduce (0) | 2021.01.11 |
Pythonic Code - Enumerate, Zip (0) | 2021.01.10 |
출처 : 모두를 위한 딥러닝
RNN 적용 분야
1) Language Model
2) Speech Recognition
3) Machine Translation
4) Conversion Modeling / Question Answering
5) Image / Video Captioning
6) Image / Music / Dance Generation
Linear Regression (0) | 2021.01.25 |
---|---|
How to learn Machine Learning (0) | 2021.01.19 |
Simple Linear Regression (0) | 2021.01.15 |
텐서플로우란? (0) | 2021.01.14 |
머신러닝의 기본개념 (0) | 2021.01.14 |
Linear Regression이란?
값들을 가장 잘 표현할 수 있는 직선이다.
Hypothesis
선형회귀로 예측된 y값
H(x) = Wx + b
(Weight, bias)
Cost 함수
Hypothesis의 예측값과 실제 y값의 차이
오차 제곱의 평균 !
기계학습의 목표
Cost를 최소화하는 것
Linear Regression (0) | 2021.01.25 |
---|---|
How to learn Machine Learning (0) | 2021.01.19 |
RNN-basic (0) | 2021.01.15 |
텐서플로우란? (0) | 2021.01.14 |
머신러닝의 기본개념 (0) | 2021.01.14 |
텐서플로우란?
open source library for numerical computation using data flow graph
파이썬으로 텐서플로우를 다룰 수 있다.
Data flow graph 란?
노드는 수식을 말하고 노드와 엣지로 이루어진 graph를 tensor가 지나가며 연산이 이루어지는 것
텐서플로우 설치하기
Linear Regression (0) | 2021.01.25 |
---|---|
How to learn Machine Learning (0) | 2021.01.19 |
RNN-basic (0) | 2021.01.15 |
Simple Linear Regression (0) | 2021.01.15 |
머신러닝의 기본개념 (0) | 2021.01.14 |