티스토리

SiLaure's Data
검색하기

블로그 홈

SiLaure's Data

data-soin.tistory.com/m

data_soin 님의 블로그입니다.

구독자
3
방명록 방문하기
공지 가슴에 새길 말.. 모두보기

주요 글 목록

  • [Machine Learning] Machine Learning의 종류 선형 회귀분석(Linear Regression) 독립변수와 종속변수가 선형적인 관계가 있다라는 가정 하에 분석 선형적인 관계 : 𝑋가 증가하면 𝑌도 증가하는 관계 직선을 통해 종속변수를 예측하기 때문에 독립변수의 중요도와 영향력을 파악하기 쉬움 의사결정 나무(Decision Tree) 독립변수의 조건에 따라 종속변수를 분리(비가내린다 -> 축구를 한다/하지 않는다) 이해하기 쉬우나 overfitting이 잘 일어남 overfitting : 과적합. 학습데이터에 대해 지나치게 정확하게 맞춘 결과로 실제 데이터에는 맞지 않아 예측이 어려워 지는 것 KNN(K-Nearest Neighbor) 새로 들어온 데이터를 주변 k개의 class 중 하나로 분류하는 기법 k는 사용자가 지정한다.(Hyper Paramet.. 공감수 0 댓글수 0 2021. 8. 19.
  • [Machine Learning] 지도학습과 비지도학습 지도학습(Supervised Learning) 컴퓨터에게 가르치는 것 𝒀 = 𝒇 (𝑿)에 대하여 입력변수 (𝑿)와 출력변수 (𝒀)의 관계에 대하여 모델링 하는 것 (𝒀에 대하여 예측 또는 분류하는 문제 회귀(regression) : 입력변수 𝑿에 대해서 연속형 출력변수 𝒀를 예측 키, 몸무게, BMI 지수 등 분류(classification) : 입력변수 𝑿에 대해서 이산형 출력변수 𝒀(class)를 예측 성별, 흡연 여부, 질병 여부, 비만 여부, 주가 등락 등 클래스를 가지는 것 비지도학습(Unsupervised Learning) 출력변수 (𝒀)가 존관하지 않고, 입력변수 (𝑿) 간의 관계에 대하여 모델링 하는 것 군집 분석 : 유사한 데이터끼리 그룹화 PCA : 독립 변수들의 차원을 축소화 강화학습.. 공감수 0 댓글수 0 2021. 8. 18.
  • [Machine Learning] Machine Learning의 개념 무엇(𝑿)으로 무엇(𝒀)을 예측하고 싶다 Machine Learning의 개념 기계학습 또는 머신러닝(Machine Learning)은 인공지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다.(wikipedia) 주어진 데이터를 통해서 입력변수와 출력변수 간의 관계를 만드는 함수 f를 만드는 것 주어진 데이터 속에서 데이터의 특징을 찾아내는 함수 f를 만드는 것 Machine Learning으로 할 수 있는 것들 X Y Machine Learning 결과 고객들의 개인정보 및 금융 관련 정보 대출 연체 여부 대출 연체자 예측 탐지 모델, 대출 연체 관련 주요 feature 추출 게임 유저들의 게임 내 활동 정보 게임 이탈 여부/어뷰징 여부 이상 탐지 모델 숫자 손.. 공감수 0 댓글수 0 2021. 8. 18.
  • [ad DA] 01~02. 데이터 전처리 실습 패스트캠퍼스 검색광고 데이터 분석 데이터의 구성 : 분석목표 : 중점관리 키워드, 저효율 키워드 추출 중점관리 광고그룹, 저효율 광고그룹 추출 분석과정 : 데이터 전처리 데이터 탐색 시각화 데이터분석 1. 데이터 전처리 학습목표 : read_excel함수를 사용하여 파이썬에 데이터 불러오기 데이터프레임의 열 단위 수치연산 및 데이터 타입 다루기 In [1]: import pandas as pd from pandas import DataFrame from pandas import Series In [2]: import matplotlib.pyplot as plt In [3]: # matplotlib 한글 폰트 출력코드 # 출처 : 데이터공방( https://kiddwannabe.blog.me) import.. 공감수 0 댓글수 0 2021. 8. 11.
  • [Marketing DA] 03~04. 시각화 라이브러리 matplotlib 데이터 분석 과정과 시각화 머신러닝의 과정 데이터 수집 데이터 전처리 데이터 탐색 ★ 모델 선택 모델 평가 및 적용 시각화의 필요성 대량의 데이터 파악 가능 데이터의 패턴 파악 가능 In [16]: import matplotlib.pyplot as plt In [17]: import pandas as pd from pandas import DataFrame from pandas import Series In [18]: # matplotlib 한글 폰트 출력코드 # 출처 : 데이터공방( https://kiddwannabe.blog.me) import matplotlib from matplotlib import font_manager, rc import platform try : if platform.sys.. 공감수 0 댓글수 0 2021. 8. 11.
  • [Marketing DA] 02. 데이터 분석을 위한 Domain Knowledge 1. 광고의 진행 과정 광고주 ---- 돈 ---> 매체(네이버 구글 등) --- 노출 --- 클릭 --- 구매 ---> 고객 1. 광고 성과 지표 CTR이 높을 수록, CPM이 낮을 수록, CPC가 낮을 수록, CPA가 낮을 수록 광고 성과가 좋다. In [4]: imp=10000 # IMPRESSION(노출) clk=100 # CLICK conv=10 #CONVERSION(구매) cost=100000 In [7]: # ctr ctr = clk/imp *100 In [8]: #ctr 출력 ctr Out[8]: 1.0 In [9]: # cpm cpm = cost/imp *1000 In [11]: #cpm 출력 cpm Out[11]: 10000.0 In [12]: # cpc cpc = cost/clk In.. 공감수 0 댓글수 0 2021. 8. 11.
  • [Marketing DA] 01. 마케팅 데이터 분석 툴로써의 Python About ... 데이터 처리 How-To 기술 통계량 추출 - 평균, 중앙값, 최빈값, 분산, 표준편차, 4 분위, 최솟값, 최댓값 기술 통계량을 사용한 분석 - Pandas, Matplotlib Python 기본기 갖추기 - 머신러닝과 딥러닝을 진행하기 위한 기본 조건 마테킹 현업에서 각광받고 있는 파이썬 1. 대량 데이터 분석 능력 요구 - 대량 데이터 처리에 한계가 있는 Excel - 실습 예제 1 : 1,381행, 7열 - 실습 예제 2 : 41,188행, 21열 2. 광고주가 요구하는 데이터 분석 수준 증대 - 과거 : 클릭 수, 노출 수의 단순 마케팅 데이터 분석 - 현재 : 직업, 성별, 관심사, 통화시간, 결혼여부, 결제 방법 등 다양한 데이터 분석 요구 3. 배우기 쉽고 데이터 분석에 .. 공감수 0 댓글수 0 2021. 8. 11.
  • [DB] 03. 데이터베이스 아키텍처(Architecture) 1. 아키텍처란(Architecture) 1. 시스템을 만들기 위한 물리 레벨의 조합 (서버의 기능, 저장소와 네트워크 기기의 결합 등) 2. 데이터베이스 설계에서 시스템의 구성 3. 아키텍처를 통해 시스템의 용도나 목적을 추측 가능 - IT 아키텍처 : 일정 기준과 절차에 따라 조직 전체와 정보화 구성요소를 통합 분석 후, 그 관계를 구조적으로 정리한 체제, 이를 바탕으로 정보 시스템을 효율적으로 구성하기 위한 방법 아키텍처의 구성을 시스템의 목적에 맞게 결정하는 과정 서버, OS, 미들웨어, 저장소 등 폭넓은 지식 필요 적정 비용으로 필요시스템을 구축하기 위해서도 매우 중요 2. 아키텍처 역사와 개요 Stand-Alone 1980년대까지 널리 이용 데이터베이스만으로 시스템 운용 Client/Serve.. 공감수 2 댓글수 0 2021. 8. 4.
  • [DB] 02. 관계형 데이터베이스(Relationship Database - RDB) 1. 관계형 데이터베이스 2차원 표, 목록(Excel, Google SpreadSheet) Key와 Value들의 간단한 관계를 테이블화 한 것 - 관계형 모델 : 집합론에 기반을 둔 데이터베이스 모델 하나 이상의 테이블 존재, 테이블에 정보 저장. 각각의 로우(행)을 식별하는 기본키가 잆음(Primary Key) 행 : 컬럼(Column), 필드(Field), 속성(Attribute) 열 : 로우(Row), 레코드(Record), 튜플(Tuple) 2. SQL 기초 지식 - SQL(Structured Qurery Language) : DBMS의 데이터를 관리하기 위해 설계된 프로그래밍 언어(관계형 DBMS) - 장점 일반 프로그래밍 언어에 비해 간결하다. 간단한 영어 문장 사용 기본 조작 명령어(Sel.. 공감수 0 댓글수 0 2021. 8. 4.
  • [DB] 01. 데이터베이스 데이터 베이스 사용 이전 텍스트 파일 형태, 비효율적, 각자 관리한 후 공유하는 방식 데이터 베이스 한곳에서 여러 사용자가 관리, 대용량, 모든 유형의 파일 관리 가능 DBMS 데이터 베이스를 관리, DBMS - 특징 실시간 접근성(real time accessibility) : 성능과 연관 계속적인 변화(continous change) 동시 공유(concurrent sharing) : 여러 사용자 내용에 따른 참조(reference by content) : 물리적 위치가 아닌 내용에 따라 참조 - 기능 삽입, 삭제, 수정, 조회(갱신/조회) 동시성 제어 장애 대응(복원) 보안(서버 내에서만 관리하여 보안에 위배되지 않는 데이터 조회가 가능) DBMS 종류 저장 방식에 따라 계층형 : 계층 구조로 데이터.. 공감수 0 댓글수 0 2021. 8. 4.
  • [selenium] 01. 사이트에 로그인하여 데이터 크롤링하기 - 다음 뉴스 댓글 개수 크롤링 In [42]: import requests import json HTTP 상태 코드 1xx (정보): 요청을 받았으며 프로세스를 계속한다 2xx (성공): 요청을 성공적으로 받았으며 인식했고 수용하였다 3xx (리다이렉션): 요청 완료를 위해 추가 작업 조치가 필요하다 4xx (클라이언트 오류): 요청의 문법이 잘못되었거나 요청을 처리할 수 없다 5xx (서버 오류): 서버가 명백히 유효한 요청에 대해 충족을 실패했다 출처: 위키피디아 In [9]: url = 'https://comment.daum.net/apis/v1/posts/133493400/comments?parentId=0&offset=0&limit=3&sort=POPULAR&isInitial=true&hasN.. 공감수 1 댓글수 0 2021. 8. 1.
  • [BeautifulSoup] 02~04. id class 속성/CSS/정규표현식을 이용하여 원하는 값 추출하기 beautifulsoup 모듈 사용하기 id, class 속성으로 tag 찾기 CSS를 이용하여 tag 찾기 속성 값으로 tag 찾기 정규표현식으로 tag 찾기 개발자도구를 이용하여 동적으로 로딩되는 데이터 추출하기 In [1]: import requests from bs4 import BeautifulSoup - 다음 뉴스 데이터 추출 뉴스기사에서 제목, 작성자, 작성일 , 댓글 개수 추출 뉴스링크 tag를 추출할때는 가장 그 tag를 쉽게 특정할 수 있는 속성을 사용 id의 경우 원칙적으로 한 html 문서 내에서 유일 - id, class 속성으로 tag 찾기 타이틀 작성자, 작성일 In [2]: url = 'https://news.v.daum.net/v/20190728165812603' resp .. 공감수 0 댓글수 0 2021. 8. 1.
  • [Kaggle] Titanic Competition 1. Titanic data load 및 환경 세팅 1) 라이브러리 불러오기 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns plt.style.use('ggplot') # ggplot style을 사용합니다. 2) 타이타닉 데이터 불러오기 train = pd.read_csv("../../../../../Kaggle/data/titanic/train.csv") test = pd.read_csv("../../../../../Kaggle/data/titanic/test.csv") 3) titanic 생존 여부 분석에 필요하지 않은 column들 없애기 Ⅰ.결측치 확인 및 처리 -- Imputa.. 공감수 0 댓글수 0 2021. 7. 30.
  • [beautifulsoup] 01. beautifulsoup 모듈 사용하여 HTML 파싱하기(parsing) Parsing? html문서 내에서 원하는 값만 추출하는 것 - HTML 문자열 파싱 문자열로 정의된 html 데이터 파싱하기 (예제) html = ''' Contents Title Test contents Test Test Test 1 Test Test Test 2 Test Test Test 3 ''' - find() 함수 : 특정 html tag를 검색하거나 검색 조건을 명시하여 찾고자 하는 tag를 검색할 수 있다. soup = BeautifulSoup(html) tag 명으로 찾을 수 있다. soup.find('h3') 출력 : Contents Title 여러 개일 경우 첫 번째의 태그를 찾아준다. soup.find('p') 출력 : Test contents 속성을 이용해서 같은 이름을 가진 다른.. 공감수 0 댓글수 0 2021. 7. 29.
  • [API] Open API를 활용하여 json 데이터 추출하기(공공데이터 API) - 공공데이터 Open API 사용하기 1. 공공데이터 포털 회원가입/로그인 (https://www.data.go.kr/) 2. API 사용 요청, 키 발급 3. API 문서(specification) 확인 4. API 테스트 및 개발 - Key 값 확인하기 서비스 호출을 트래킹 할 목적이나 악의적인 사용을 금지할 목적으로 주로 사용한다. 새로 발급받은 키는 30분 이후 사용이 가능하다. (1시간에서 변경됨.) 참고문서를 다운받아서 확인해보면 API 활용 메뉴얼을 볼 수 있다. - EndPoint 확인하기 : API가 서비스 되는 서버의 IP 또는 domain 주소 http://api.visitkorea.or.kr/openapi/service/rest/EngService/areaCode?serviceKe.. 공감수 1 댓글수 0 2021. 7. 29.
  • [API] 01. requests 모듈 사용하기(HTTP 통신) - request 모듈 1. http request/response를 위한 모듈 2. HTTP method를 메소드 명으로 사용하여 request 요청 e.g. get, post 1. get 요청하기 1) http get 요청하기 2) query parameter 이용하여 데이터 전달하기 url을 통해 요청하기 import requests url = 'https://news.v.daum.net/v/20190728165812603' resp = requests.get(url) resp 출력 : 200은 가장 일반적인 성공 메시지 resp.text 출력 : 페이지 소스 보기(view-source:https://news.v.daum.net/v/20190728165812603)와 같다 2. post 요청하기 1.. 공감수 0 댓글수 0 2021. 7. 29.
  • [Web] HTTP method(GET, POST) / HTML element(태그, 속성, 값) HTTP(Hyper Text Transfer Protocol) : HTML 문서 등의 리소스를 전송하는 프로토콜* Protocol : 미리 정의된 규약 Hyper Text : HTML 문서 HTML : Hyper Text Markup Language 모든 Web Page는 HTML로 되어있다. 결국 HTTP란 HTML 문서를 전송하는 규약으로, 웹 사이트를 생성하기 위한 언어로 문서와 문서가 링크로 연결되어 있다. - HTTP를 요청하는 방식 2가지 1. Get 요청방식 데이터를 URL에 포함하여 전달하는 방식 정보 공유가 가능하다. 주로 리소스(페이지) 요청에 사용된다. 2. Post 요청 눈에 안 보이는 요청 방식이다. 데이터를 숨기기 위해 데이터를 Form data에 포함하여 전달한다. 주로 로그인.. 공감수 0 댓글수 0 2021. 7. 29.
  • [Numpy] 04. Array Indexing - Indexing (same as python list, but more powerful) 기본적으로는 list indexing과 동일하다. 그러나 list indexing에서는 제공되지 않는 (리스트 안에 수식 --연산기능)가 제공된다. 콜론(:) 이 slicing 기능을 한다. array 생성 arr1 = np.arange(10) arr1 출력 : array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 첫 번째 원소 arr1[0] 출력 : 0 마지막 원소 arr1[-1] 출력 : 9 앞에서부터 원소 3개 slicing arr1[:3] 출력 : array([0, 1, 2]) 2차원 numpy array arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9,.. 공감수 0 댓글수 0 2021. 7. 28.
  • [Seaborn] 07. Heatmap - Heatmap 정사각형 그림에 데이터에 대한 정도 차이를 색 차이로 보여주는 plot. --feature 간 수치의 차이가 있어야 한다. 말 그대로 heatmap이기 때문에, 열화상 카메라로 사물을 찍은 것처럼 정보의 차이를 보여준다. pairplot과 비슷하게 feature간 관계를 시각화할 때 많이 사용하며, pairplot과 함께 쓰는 경우가 많다. feature의 수가 많을 때 정보의 차이를 확연하게 확인할 수 있다. 상관계수로 계산한 행렬로 차이를 나타낸다. 상관계수 : -1과 1사이의 수로, 1에 가까울 수록 양의 상관관계, -1에 가까울 수록 음의 상관관계이다. 0이면 관계가 없는 서로 독립된 feature이다. heatmap을 찍기 전 각 feature간 상관관계를 파악하기 위해 Cor.. 공감수 0 댓글수 0 2021. 7. 26.
  • [Seaborn] 06. scatterplot & pairplot - Scatterplot(산포도/산점도) lineplot과 비슷하게 x, y에 대한 전체적인 분포를 확인하는 plot. lineplot은 경향성에 초점을 둔다면, scatterplot은 데이터 그 자체가 퍼져있는 모양에 중점을 둔다. penguin 데이터에 scatterplot을 출력 body mass에 대한 flipper length의 분포를 species 의 차이 별로 뿌려준다. sns.scatterplot(data=penguins, x='body_mass_g', y='flipper_length_mm', hue='species') 출력 : 부리의 두께와 깊이가 성별로 얼마나 차이나는지 알 수 있는 plot이 출력된다. sns.scatterplot(data=penguins, x='bill_length_.. 공감수 0 댓글수 0 2021. 7. 26.
  • [Seaborn] 05. lineplot & pointplot 선을 이용한 plot들 - Lineplot : 특정 데이터를 x, y로 표시하여 관계를 확인할 수 있는 plot. (선 그래프) 수치형 지표들 간의 경향을 파악할 때 많이 사용한다. x와 y의 관계 변화를 볼 때 사용하기 좋다. 종에 따른 몸무게와 발사이즈의 분포 sns.lineplot(data=penguins, x='body_mass_g', y='flipper_length_mm', hue='species') 출력 : 종에 따른 부리의 길이와 깊이의 분포 sns.lineplot(data=penguins, y='bill_length_mm', x='bill_depth_mm', hue='species') 출력 : - Pointplot : 선을 그림과 동시에 각 포인트 별 얼마나 차이가 있는지 보여주는 plot.. 공감수 0 댓글수 0 2021. 7. 26.
  • [Seaborn] 04. boxplot & violinplot --분포정보 plotting 분포 정보를 보여주는 plotting 기법 - Boxplot : 데이터의 각 종류별로 사분위 수(quantile)를 표시하는 plot. 특정 데이터의 전체적인 분포를 확인하기 좋은 시각화 기법. --중요 데이터가 어디에 얼마나 있나 확인하기 좋다. outlier(◆)를 통해 주요 분포에서 벗어난 데이터가 있는지 확인할 수 있다. box와 전체 range의 그림을 통해 outlier를 찾기 쉽다. (IQR : Inter-Quantile Range) penguin 데이터에 boxplot을 출력 sns.boxplot(data=penguins, x='flipper_length_mm', y='species', hue='species') 출력 : boxplot 안의 선 : 평균 box의 크기 : 평균을 기준으로 전.. 공감수 0 댓글수 0 2021. 7. 26.
  • [Seaborn] 03. barplot & countplot --막대형 그래프 - Barplot : 어떤 데이터에 대한 값의 크기를 막대로 보여주는 plot. (a.k.a. 막대그래프) 가로 / 세로 두 가지로 모두 출력 가능하다. 히스토그램과는 다르다.(**) 수치데이터, 범주데이터와 상관 없이 그 데이터의 수치값을 찍어준다. sns.barplot(data=penguins, x='flipper_length_mm', y='species', hue='species') 출력 : x와 y를 반대로 sns.barplot(data=penguins, x='species', y='flipper_length_mm', hue='species') 출력 : - Countplot 범주형 속성을 가지는 데이터들의 histogram을 보여주는 plot. 종류별 count를 보여주는 방법다 특정 데이터에 대.. 공감수 0 댓글수 0 2021. 7. 26.
  • [Seaborn] 02. histplot & displot - Seaborn을 사용하기 전에 ... Library와 data를 불러오고, 시각화를 위한 세팅 하기 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns sns.set_theme(style='whitegrid') penguins = sns.load_dataset('penguins') penguins 출력 : - 기본 구문 구성 sns.~~~plot(data = xxx, x, y, hue) hue : 색상을 나누는 기준 - Histplot 가장 기본적으로 사용되는 히스토그램을 출력하는 plot. 전체 데이터를 특정 구간별 정보를 확인할 때 사용한다. e.g. sns.histplot(data=.. 공감수 0 댓글수 0 2021. 7. 26.
  • [Seaborn] 01. Seaborn이란 - Seborn Library : 데이터를 정제, 분석 후 matplotlib을 기본으로 다양한 시각화 기법을 제공하는 라이브러리. - 특징 Python에 내장된 Matplot Library보다 Powerful 하다. 예쁘다. 정보를 쉽게 이해할 수 있도록 시각화 처리를 할 수 있다. pandas DataFrame과 매우 호환이 잘 된다. - 기본 세팅 e.g. sns.xxxplot(data=df) - 공식 홈페이지에서 볼 만한 페이지 http://seaborn.pydata.org/introduction.html An introduction to seaborn — seaborn 0.11.1 documentation Seaborn is a library for making statistical graphi.. 공감수 0 댓글수 0 2021. 7. 26.
  • [Pandas] 05. 외부 데이터 읽고 쓰기 Pandas에서는 데이터를 불러올 때 여러가지 함수들을 사용할 수 있고, 그 함수들은 file, 확장자에 귀속된다. data 폴더에 있는 iris.csv 파일을 불러와서 변수 data에 저장하기 data = pd.read_csv("../data/Iris.csv") data 출력 : 더보기 data 특징 확인하기 data.info() 출력 : 더보기 RangeIndex: 150 entries, 0 to 149 Data columns (total 6 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 Id 150 non-null int64 1 SepalLengthCm 150 non-null float64 2 SepalWidthC.. 공감수 0 댓글수 0 2021. 7. 26.
  • [Pandas] 04. DataFrame Indexing Pandas에는 DataFrame과 Series밖에 없다. - DataFrame Indexing Indexing : 데이터에서 어떤 특정 조건을 만족하는 원소를 찾는 방법. : "이게 된다고?" 할 정도로 전체 DataFrame에서 조건에 만족하는 데이터를 쉽게 찾아서 조작할 때 유용하게 사용할 수 있다. Python list indexing과 Numpy fancy indexing 이 혼재되어 있어 앞의 두 가지를 복습하면 이해하기 쉬울 것 ! - pandas dataframe은 column 이름을 이용하여 기본적인 Indexing이 가능하다. dataframe에 바로 indexing을 사용하면 column을 indexing 해 온다. 여러 컬럼을 가져올 때는 list 형식으로 가져와야 한다. # A를 .. 공감수 0 댓글수 0 2021. 7. 26.
  • [Pandas] 03. DataFrame Method - Dataframe 기초 method dataframe의 맨 위 다섯 줄을 보여주는 head() df.head() 출력 : 더보기 위에서부터 3줄 df.head(3) 출력 : 더보기 아래에서부터 3줄 df.tail(3) 출력 : 더보기 dataframe index df.index 출력 : 더보기 DatetimeIndex(['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05', '2021-01-06'], dtype='datetime64[ns]', freq='D') dataframe columns df.columns 출력 : Index(['A', 'B', 'C', 'D'], dtype='object') dataframe values --.. 공감수 0 댓글수 0 2021. 7. 25.
  • [Pandas] 01. Pandas란 / 02. Pandas의 기본 자료구조(Series, DataFrame) - Pandas? 데이터 분석에서 가장 많이 사용하는 라이브러리 pandas는 "python data analysis"의 약자 pandas는 정형 데이터 처리에 특화되어 있다. pandas 역시 다양한 머신러닝 라이브러리들에 의존성을 가지고 있습니다. e.g. scikit-learn, scipy, statsmodel, tensorflow(딥러닝), pytorch, ... 간단하게 생각하면, python에서 excel의 기능을 사용할 수 있다. pandas = python + excel // pandas & excel // pandas VS MS Excel 하지만, pandas는 numpy array를 베이스로 지원하며 파이썬과 함께 강력한 시너지를 내기 때문에, 엑셀 그 이상의 퍼포먼스를 낼 수 있다. .. 공감수 0 댓글수 0 2021. 7. 25.
  • [Numpy] Performance Test - Powerful Numpy numpy array는 파이썬 리스트에 비해 연산이 빠르다. broadcast, static type binding, fixed array size, ... 등의 vectorize 조건에서. == 원소의 개수가 많을 때. 그렇다면 Numpy는 정말 얼마나 강력한가? np.random.seed(0) # Numpy array의 각 원소의 역수를 취하는 함수. # values라고 하는 list 또는 numpy array를 받아서 해당하는 numpy array를 저장하는 함수로 # 하나씩 역수를 취해준다. def reverse_num(values): output = np.empty(len(values)) for i in range(len(values)): output[i] = 1... 공감수 0 댓글수 0 2021. 7. 25.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.