조수현님의 블로그

내일배움캠프 본캠프 19일차 - 머신러닝 과제1번 힘들다

ㅎ... 오늘은 과제 도전을 해보았다.회귀... 여러가지 시도... 해보았다...선형회귀, 라쏘, 릿지, 의사결정나무, Xboost 회귀, 다항회귀 회귀회귀회귀회귀하다보니까 모르는 게 너무 많아서 계속 또 검색하고 찾고 찾다보니 헷갈리고 파일이 너무 기니까 어디였더라? 이러고전처리도 다른 방법으로 해보고 다시 또 모델한테 학습시키고 돌리고 하다보니 머리가아프고 배도고프다정확히 뭐가 뭔지 모르는 상태에서 따라 치니까 이게 이건가? 하면서 에러뜨면 고치고 에러뜨면 고치고이상치 제거를 해봤는데 오히려 안좋아져서 뭔가 허무했다. 내가뭘잘못했지? 대답해라 브이에스코드야눈이 빠질 것 같다 그러다보니 회귀가 뭐였더라 또 반복 또 찾아보고난 물고기보다 바보일지도 모른다 몇번을 반복했는데 아직 눈만 아프고 잘 모르겠다...

내일배움캠프 본캠프 18일차 - 나는 오늘 무엇을 했는가

오늘은 한 게 별로 없다오늘은 TIL을 길게 쓰는게 양심이 없는 것이다나는 방금 위스키가 들어있는 초콜릿을 먹었다이 전에는 맥주도 먹었다그리고 막창도 먹었다이거 먹고 양념막창도 먹었다.여기는 아주 유명한 맛집이다.막창때문에 하루종일 설렜다.그래도 아무것도 안 한 것은 아니다.과제를 열어서 전처리를 하고 결측값을 어떻게 할지 고민했다.그리고 깃 특강도 들었고... 깃 특강 막판에는 못따라가서 다시 들어야하고....휴... 휴... 휴... 휴...... 휴.......... 휴..........휴.....아.... ㅠㅠ내일은 열심히 할거다 진짜로진짜 열심히 할건데...... 오늘은 어쩔수없지 뭐

내일배움캠프 본캠프 17일차 - 머신러닝 특강

데이터의 종류 및 활용1. 데이터 종류정형 데이터정의: 형태와 구조가 명확하게 정의된 데이터예시: 엑셀, 데이터베이스(SQL) 등반정형 데이터정의: 구조는 있지만 일정하지 않은 데이터예시: HTML, JSON, CSV비정형 데이터정의: 구조화되지 않은 자유로운 형태의 데이터예시: 블로그 글, SNS 게시글, 이미지, 비디오2. 데이터 활용 방법데이터 전처리의 중요성데이터 전처리는 데이터를 분석하기 위해 반드시 필요한 과정이며, 재료 손질에 비유될 수 있음.1) 데이터 정제 (재료 손질)결측값 처리:데이터에 비어 있는 값 제거/대체비유: 감자의 썩은 부분 제거이상치 제거:너무 크거나 작은 값 제외비유: 너무 큰 감자나 작은 감자는 제외2) 데이터 변환 (재료 다듬기)포맷 형식 변환:날짜, 시간 등 데이터를..

Python 연산자 정리1. 산술 연산자 (Arithmetic Operators)숫자 계산에 사용되는 연산자+더하기-빼기*곱하기/나누기%나머지//몫**거듭제곱 예시print(5 + 3) # 8print(10 % 3) # 1print(2 ** 3) # 82. 비교 연산자 (Comparison Operators)두 값을 비교하여 True 또는 False 반환:==값이 같다>크다작다>=크거나 같다작거나 같다!=같지 않다 예시:print(5 > 3) # Trueprint(5 != 5) # False3. 논리 연산자 (Logical Operators)논리값을 조합:and : 두 조건이 모두 참일 때 참.or : 둘 중 하나만 참이어도 참.not : 논리값을 반전.예시:print(True and Fal..

베이직반 강의 복습1. 산술 연산자 (Arithmetic Operators)숫자 계산에 사용되는 연산자:+ : 더하기- : 빼기/ : 나누기* : 곱하기% : 나머지// : 몫** : 거듭제곱예시:print(5 + 3) # 8print(10 % 3) # 1print(2 ** 3) # 82. 비교 연산자 (Comparison Operators)두 값을 비교하여 True 또는 False 반환:== : 값이 같음> : 크다>= : 크거나 같다!= : 같지 않음예시:print(5 > 3) # Trueprint(5 != 5) # False3. 논리 연산자 (Logical Operators)논리값을 조합:and : 두 조건이 모두 참일 때 참.or : 둘 중 하나만 참이어도 참.not : 논리값을 반전..

내 필기인데 알아보겠어?네, 필기 내용을 잘 이해할 수 있습니다! 정리된 내용은 파이썬 함수와 관련된 중요한 개념들을 다루고 있네요. 이를 바탕으로 각 내용을 조금 더 체계적으로 설명해 보겠습니다.함수와 관련된 개념 정리1. 함수의 기본 개념함수는 반복적인 작업을 수행하기 위해 정의됩니다.코드를 모듈화하여 유지보수와 재사용성을 높이는 데 사용됩니다.함수는 다음과 같은 특징을 가집니다:정의(Definition): def 키워드를 사용하여 정의매개변수(Parameter): 함수가 입력받는 값반환값(Return Value): 함수가 처리 후 돌려주는 값호출(Invocation): 함수를 실행하는 행위2. 매개변수와 인자매개변수(Parameter): 함수 정의 시 입력값을 받는 변수def greet(name):..

오늘의 계획은 지도학습 : 회귀모델 코드를 이해하는 거였따!import numpy as npimport pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LinearRegressionfrom sklearn.metrics import mean_squared_error, r2_score# 데이터 생성X = np.array([[1, 1], [2, 2], [3, 3], [4, 4], [5, 5],[6,6]])y = np.array([1, 2, 3, 4, 5, 6])# 데이터 분할 (훈련 데이터와 테스트 데이터)X_train, X_test, y_train, y_test = train_test..

오늘 공부한 것요약: 머신러닝의 핵심 지식과 개요1. 머신러닝의 정의머신러닝은 컴퓨터가 데이터에서 학습하고, 사람이 정해주지 않은 규칙과 패턴을 스스로 찾아내는 능력입니다.전통적인 프로그래밍과 달리, 조건을 미리 지정하지 않고 데이터를 기반으로 작업을 수행합니다.머신러닝의 목표는 데이터를 활용해 예측, 분류, 최적화와 같은 문제를 자동으로 해결하는 것입니다.2. 머신러닝의 특징학습 기반 접근법:일반 프로그램은 미리 정의된 수학적 공식으로 결과를 생성.머신러닝은 데이터를 기반으로 규칙을 학습하고, 이를 통해 예측과 분류 작업 수행.데이터 중심적:충분한 양과 품질의 데이터가 머신러닝 성능에 중요한 역할을 합니다.자동화된 의사결정:머신러닝 모델은 데이터 분석을 자동화하고 빠르게 의사결정을 내릴 수 있습니다.3..

1. 머신 러닝...강의...3주차까지 들었다...지도학습(Supervised Learning): 입력 데이터(X)와 정답(y)을 기반으로 학습하는 알고리즘.회귀 모델 (Regression):데이터를 예측 가능한 연속 값으로 변환.선형 회귀 (Linear Regression): 데이터를 직선으로 표현해 결과를 예측.분류 모델 (Classification):데이터를 그룹으로 나눔.로지스틱 회귀(Logistic Regression): 시그모이드 함수로 확률 기반 분류.근데 솔직히... 솔직히... 오늘 하루 종일 복사 붙여넣기만 한 것 같다.환경 구축하는 게 생각보다 어려워서 해멨다. 어제도 분명히 이렇게 쓴 것 같은데...오늘 또 새로운 라이브러리를 깔고.. 안깔려서 또 찾아보고... 검색하고... 붙여넣..

1. GitHub에서 파일 업로드, 삭제GitHub Desktop을 사용하여 Jupyter Notebook 파일을 GitHub에 업로드하는 방법을 배웠다.GitHub Desktop에서 로컬 디렉토리를 저장소로 추가.변경 사항 커밋 후 원격 저장소에 푸시(Push).GitHub 웹사이트에서 업로드된 파일 확인.git clone에서 디렉토리 관련 오류 해결:- 디렉토리가 이미 존재하고 비어 있지 않으면 다른 디렉토리에 복제하거나 기존 디렉토리를 삭제해야 함.Jupyter Notebook과 함께 사용하는 Git의 기본 워크플로우를 익혔다:- 파일 추가 → 커밋 → 푸시(Push).삭제하고 커밋 누르는 걸 몰라서 왜 삭제 안되는지 의문이었다. 진짜 뭐 이런 게 다 있지 했는데 commit 안눌러서.....어이없..