찬란하게

인공지능 대량의 데이터로 패턴을 찾는 것 규칙을 찾는 방법 = 학습 방법 = fitting 1. 지도 학습 : 정답 有 1) 수치 예측 2) 범주 예측 2. 비지도 학습 : 정답 無 지도 학습 지도 학습 1) 회귀(regression) : 수치형 2) 분류(classification) : 범주형 - 범주형 : 질적 데이터 ==> ABO형 혈액형 - 수치형 : 양적 데이터 ==> 신장, 몸무게 지도 학습 과정 : 1) 훈련 데이터와 테스트 데이터로 분류, x값과 y값으로 분류 2) 패턴, 규칙을 찾는다. 3) y값 - y예측값이 최소가 되는 값을 찾는다. 회귀분석 - 회귀분석 = 회귀식 찾기 회귀분석을 통해 회귀식을 도출한다. 원인과 결과의 인과관계를 표현한다. --> 수치형 관계에서 가능 영향을 주는 변..

데이터 분석 패러다임의 이동 : 자료구조론 -> 데이터베이스 -> 빅데이터 데이터 분석 패러다임의 이동 : 자료구조론 -> 데이터베이스 -> 빅데이터 데이터 분석과정 0) 컬럼 단위로 연산한기 위해 ndarray구조로 변환한다. 1) 컬럼 분석 - 지도 학습 : 답(=label)이 존재. 답과 칼럼 간의 영향력을 비교한다. - 비지도 학습 : 답이 없다. 행과 행 사이의 연관관계를 비교한다. 2) 상관관계 분석 - 통계학으로 비교 - 대수식으로 비교 인공지능 - AI : 지능을 갖고 있는 기능을 갖춘 컴퓨터 시스템이며, 인간의 지능을 기계 등에 인공적으로 시연(구현)한 것이다. - AI의 목적 : 자동화 - AI 과정 : 대량의 데이터로 패턴을 찾는것 1) 대량의 데이터를 처리한다. 2) 규칙(=패턴)을..

part1. 사전 과정¶ 1) import 라이브러리¶ In [2]: # 학습용 데이터 import mglearn.datasets import pandas as pd import numpy as np import sklearn # 차트 시각화 import matplotlib.pyplot as plt # 폰트 한글 설정 plt.rcParams['font.family'] = 'Gulim' 2) 데이터 준비¶ In [28]: X,y = mglearn.datasets.make_blobs(centers=4, random_state=8) len(X) Out[28]: 100 In [29]: # y값 범주형 데이터 준비 y = y%2 y Out[29]: array([1, 0, 1, 1, 1, 0, 0, 1, 1, 1,..

Boston 주택가격 예측 - 회귀분석을 통해서¶ part1. data 준비 과정¶ Import Library¶ In [1]: import mglearn import sklearn 다중선형회귀분석¶ y(label) : 주택가격 x(features) : 주택가격에 미치는 요인 -> school 위치, station... In [5]: X, y = mglearn.datasets.load_extended_boston() X len(X) Out[5]: 506 In [3]: y # 수치형 Out[3]: array([24. , 21.6, 34.7, 33.4, 36.2, 28.7, 22.9, 27.1, 16.5, 18.9, 15. , 18.9, 21.7, 20.4, 18.2, 19.9, 23.1, 17.5, 20.2..

part1. 패키지 임포트¶ In [2]: import mglearn import sklearn In [3]: # 패키지 잘 들어왔는지 확인 # 대문자 x는 전체 집합 X,y = mglearn.datasets.make_forge() X[:5] # ndarray : 수치형 Out[3]: array([[ 9.96346605, 4.59676542], [11.0329545 , -0.16816717], [11.54155807, 5.21116083], [ 8.69289001, 1.54322016], [ 8.1062269 , 4.28695977]]) In [4]: y # 범주형 데이터 Out[4]: array([1, 0, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 0, 0, 1,..