본문 바로가기

분류 전체보기

 (101)
예제로 공부하는 파이썬_Python_기초_조건문, 반복문 1. 조건문 대부분의 프로그래밍언어가 그러하듯이 파이썬에서도 조건문은 if를 사용한다. 다른 언어와 파이썬의 차이점 -> if문 끝에 콜론(:)을 붙인다 2. 반복문 예> for 반복문 print("결과출력") #n=0 for i in range(10): if i for반복문을 사용해서 4부터 21까지의 홀수들의 합을 구하는 코드를 구현하시오 #변수 선언 및 초기 데이터 값 선정 first = 4 last = 21 #for반복문 sum_odd = () for i in range(first, last) : print(i, end = '\t') #홀수판단 if (i%2!=0) : print(i, end='\t') sum_odd+= i print() #출력 print(sum_odd) 예> 구구단 출력하기 fo..
예제로 공부하는 파이썬_Python_기초_자료형, 연산자 1. 자료형이란 무엇인가? 자료형 또는 데이터 타입이라고 부른다. 즉 프로그램 코드를 작성하는 과정에서 여러 종류의 데이터 값을 사용하여 정보처리를 하게 만든다. 파이썬에서 자주 다루는 자료형의 유형 -> 정수, 실수, 문자열, 리스트, 튜플, 집합, 딕셔너리 1. 숫자형 - 정수( int) 2. 숫자형 - 실수(float) 3. 문자형(str) 4. 리스트형(list) *소괄호 5. 튜플(tpl) *중괄호 6. 집합형(set) *대괄호 -> 집합은 중복을 허용하지 않는다. 7. 딕셔너리(사전)형(dic) 2. 아스키코드란? 컴퓨터는 내부에서 숫자 또는 문자에 대한 정보처리를 이진수로 처리한다. 이때 문자와 숫자를 대응시켜줘야 하는데, 여러 방법 중 아스키 코드 방식을 사용한다. 영어 알파벳 각각의 문자..
예제로 공부하는 파이썬_Python_기초_변수 1. 변수란? 변하는 수. 코드를 작성하는 과정에서 여러 유형의 데이터 값을 많이 사용하게 되는데 이때 데이터 값을 담는 바구니를 변수라고 한다. 요리에 비유하면 각종 양념을 담는 양념통을 변수라고 한다. 2. 변수의 역할은 무엇인가? 양념통이 있으면 양념통이 없을 때보다 효율적으로 요리할 수 있듯, 프로그래밍 코딩시 변수를 적절히 사용함으로써 코딩을 보다 효율적으로 더 빨리 짤 수 있게 된다. 이렇듯, 변수의 존재는 프로그램 코드 작성시 여러 가지 다양한 데이터 값을 효율적으로 저장하고 관리하기 위한 용도로 사용된다. 즉, 데이터 값을 담는 바구니 또는 그릇이라고 생각하면 된다. 3. 상수란? 변하지 않는 수. 코드를 작성하는 과정에서 오직 하나의 데이터 값을 많이 사용하는데, 이런 데이터 값을 담는 ..
결정 트리 학습법 결정 트리 학습법(decision tree learning)은 어떤 항목에 대한 관측값과 목표값을 연결시켜주는 예측 모델로서 결정 트리를 사용한다. 이는 통계학과 데이터 마이닝, 기계 학습에서 사용하는 예측 모델링 방법 중 하나이다. 트리 모델 중 목표 변수가 유한한 수의 값을 가지는 것을 분류 트리라 한다. 결정 트리 중 목표 변수가 연속하는 값, 일반적으로 실수를 가지는 것은 회귀 트리라 한다. 의사 결정 분석에서 결정 트리는 시각적이고 명시적인 방법으로 의사 결정 과정과 결정된 의사를 보여주는데 사용된다. 데이터 마이닝 분야에서 결정 트리는 결정된 의사보다는 자료 자체를 표현하는데 사용된다.
선형회귀 / 로지스틱회귀 회귀(Regression)란? 평균으로의 회귀라고 이해. 데이터의 실측치와 모델의 실측치 사이의 차이, 즉 회귀식에서 오차항에 대한 관측치가 평균으로 수렴하는 것. 회귀 모델과 회귀 분석이란? 회귀모델이란, 어떤 연속성 데이터 x, y의 원인이라고 추정되는 관계를 예측하기 위해 만든 모델을 말합니다. ( y = f(x) ) 그렇게 추정한 관계를 입력 변수값과 매칭하여 '출력' 변수를 예측하는 것을 우리는 통계분석이라고 합니다. 현실에서 실제 데이터를 측정할때는 여러가지의 원인으로 수학식처럼 정확한 관계식을 만들 수 없습니다. 그래서 확률 변수인 오차항을 고려하여 회귀 모델을 구성해야 합니다. ( y = f(x) + e ) 변수들 간 관계를 파악하여 어떤 현상을 예측하고 설명하는데 사용되는 가장 대표적인 ..
붓꽃 품종 예측하기 사이킷런을 이용하여 붓꽃(Iris) 데이터 품종 예측하기 # 사이킷런 버전 확인 import sklearn print(sklearn.__version__) ** 붓꽃 예측을 위한 사이킷런 필요 모듈 로딩 ** from sklearn.datasets import load_iris # iris 데이터 로드 from sklearn.tree import DecisionTreeClassifier # 의사결정나무 분류기 from sklearn.model_selection import train_test_split # 학습,테스트 데이터 분리 데이터 세트를 로딩 import pandas as pd # 붓꽃 데이터 세트를 로딩합니다. iris = load_iris() iris # iris.data는 Iris 데이터 세..
Matplotlib_막대 플롯(Bar plot) height = [np.random.randn()*i for i in range(1,6)] height names = ['A','B','C','D','E'] y_pos = np.arange(len(names)) y_pos plt.bar(y_pos, height) plt.xticks(y_pos, names, fontweight='bold') plt.xlabel('group') # stacked bar plot 1 bars1 = [12, 28, 1, 8, 22] bars2 = [28, 7, 16, 4, 10] bars3 = [25, 3, 23, 25, 17] r=[0,1,2,3,4] names = ['A','B','C','D','E'] plt.bar(r, bars1, color='royalblue', edg..
Matplotlib_라인 플롯(Line Plot) # colorbar legend x = np.linspace(0, 20, 100) I = np.cos(x) - np.cos(x[:, np.newaxis]) I # plt.imshow : 숫자를 이미지로 나타내주는 함수 plt.imshow(I) # colorbar legend plt.colorbar(); # cmap : color map plt.imshow(I, cmap='Blues') # colorbar legend plt.colorbar(); # cmap 구획 나누기 plt.imshow(I, cmap=plt.cm.get_cmap('Blues', 5)) # colorbar legend plt.colorbar(); # RdBu : red, blue plt.imshow(I, cmap='RdBu') # col..

티스토리툴바