티스토리

Fresh life: 신선한 인생

검색하기

블로그 홈

Fresh life: 신선한 인생

jofresh.tistory.com/m

Study, Learn and Get rewarded

구독자: 4

방명록 방문하기

주요 글 목록

[파이썬/데이터분석] 시계열 데이터 분석 예시_월별 온도 변화 시계열 데이터 분석은 데이터가 시간의 흐름에 따라 변하는 패턴을 분석하는 방법입니다. 예를 들어 주식 가격, 기온, 판매량 등과 같은 데이터를 분석할 때 사용됩니다. 아래는 시계열 데이터 분석의 예시입니다.예시: 월별 온도 변화 분석1. 데이터 준비먼저, 예시 데이터를 생성하겠습니다. 월별 온도 변화를 나타내는 시계열 데이터를 생성하겠습니다.import pandas as pdimport numpy as np# 날짜 범위 생성 (2020년 1월부터 2022년 12월까지)dates = pd.date_range(start='2020-01-01', end='2022-12-31', freq='M')# 임의의 온도 데이터 생성np.random.seed(0)temperatures = 20 + 10 * np.sin(n.. 공감수 0 댓글수 0 2024. 7. 22.
[파이썬/머신러닝] sklearn.RandomForestClassifier로 다항분류 모델링하기 아래 코드는 RandomForestClassifier를 사용하여 Iris 데이터셋을 다루는 예시입니다. 다음은 코드의 주요 단계와 각 부분에 대한 설명입니다. # 필요한 라이브러리 불러오기 import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score, classification_report from sklearn.preprocessing impo.. 공감수 0 댓글수 2 2024. 1. 7.
[파이썬/머신러닝] 가중치(coef),편향(intercept)에 관하여 머신러닝 모델에서의 coef와 intercept는 주로 선형 모델에서 사용되는 용어입니다. 주로 선형 회귀와 로지스틱 회귀에서 나타나는데, 이들은 입력 변수와 목표 변수 간의 관계를 모델링하는데 사용됩니다. coef (계수): coef는 회귀 모델에서 각 입력 변수의 계수를 나타냅니다. 선형 회귀의 경우, y = b0 + b1*x1 + b2*x2 + ... + bn*xn에서 b1, b2, ..., bn이 coef에 해당합니다. 로지스틱 회귀의 경우, 이진 분류의 경우 y = b0 + b1*x1 + b2*x2 + ... + bn*xn에서도 선형 회귀와 같이 계수가 적용되며, 다중 클래스 분류의 경우 각 클래스에 대한 계수가 있습니다. 중요성: 계수는 해당 입력 변수가 모델 예측에 얼마나 영향을 미치는지를 .. 공감수 0 댓글수 2 2024. 1. 7.
[파이썬/머신러닝] 로지스틱 회귀 알고리즘의 유형 로지스틱 회귀 알고리즘은 이진 분류 문제에 많이 사용되는 머신러닝 알고리즘 중 하나입니다. 로지스틱 회귀 알고리즘을 구현할 때, 최적화 알고리즘을 선택할 수 있는데, 그 중에서도 liblinear, newton-cg, lbfgs, sag, saga가 많이 사용됩니다. 각 알고리즘에 대해 간단하게 설명해보겠습니다. 1. liblinear: 특징: 이 알고리즘은 작은 데이터셋에 적합하며, L1 정규화와 L2 정규화를 모두 지원합니다. 적용 분야: 작은 규모의 데이터셋이나 고차원 데이터에 적합합니다. 2. newton-cg: 특징: 뉴턴 메서드를 사용하여 비용 함수를 최적화합니다. L2 정규화를 지원하며, 다변수 최적화에 효과적입니다. 적용 분야: 중간 규모의 데이터셋에서 잘 동작하며, 다차원 최적화 문제에 .. 공감수 0 댓글수 0 2024. 1. 7.
K-Fold 교차 검증_모델 성능 평가 K-Fold 교차 검증은 모델의 성능을 평가하는 방법 중 하나로, 데이터를 여러 개의 폴드(fold)로 나누어 모델을 여러 번 학습하고 평가하는 방법입니다. 이를 통해 모델의 일반화 성능을 더 정확하게 추정할 수 있습니다. 예를 들어, K-Fold 교차 검증을 5개의 폴드로 수행하는 과정을 설명해보겠습니다. 데이터 준비: 총 100개의 샘플 데이터가 있다고 가정합니다. 데이터 분할: 데이터를 5개의 폴드로 나눕니다. 이때, 각 폴드는 비슷한 크기의 데이터를 가지도록 무작위로 섞어서 나눕니다. 반복 학습과 평가: 5개의 폴드 중 4개의 폴드를 학습 데이터로 사용하고 나머지 1개의 폴드를 테스트 데이터로 사용하여 모델을 학습하고 평가합니다. 이를 5번 반복하여 각 폴드를 모두 한 번씩 테스트 데이터로 사용합.. 공감수 0 댓글수 0 2023. 7. 24.
머신러닝 훈련데이터와 테스트데이터 나누는 방법 머신러닝 모델을 학습하고 성능을 평가하기 위해 훈련 데이터와 테스트 데이터를 사용합니다. 일반적으로 데이터를 훈련 데이터와 테스트 데이터로 나누는 방법은 다음과 같습니다. 훈련 데이터 (Training Data): • 훈련 데이터는 머신러닝 모델을 학습하는 데 사용됩니다. • 모델은 훈련 데이터를 통해 학습하고, 학습한 패턴과 관계를 파악하여 일반화합니다. • 모델의 파라미터(가중치, 편향 등)는 훈련 데이터를 통해 조정됩니다. • 훈련 데이터는 모델에 입력되는 특성(feature)과 정답(label)으로 구성됩니다. 테스트 데이터 (Test Data): • 테스트 데이터는 학습된 머신러닝 모델의 성능을 평가하는 데 사용됩니다. • 테스트 데이터는 모델이 이전에 본 적이 없는 새로운 데이터입니다. • 모.. 공감수 0 댓글수 0 2023. 7. 23.
사이킷런을 활용한 신경망 머신러닝_파이썬/머신러닝 이번에는 실제로 파이썬을 이용해서 신경망을 만들어보겠습니다. sklearn을 사용할 것이며, sklearn함수들은 GPU를 사용하지 않기 때문에 복잡한 모델을 추정하려면 시간이 걸립니다. 하지만 이번에 해볼 간단한 구조의 다층퍼셉트론을 돌려보기엔 충분합니다! 복잡한 모델을 추정할 때는 텐서플로나 케라스 같은 도구를 사용하는 게 좋습니다. **텐서 플로나 케라스도 다음에 함께 알아보겠습니다. 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리 import numpy as np import pandas as pd import scipy as sp # 통계 모델을 추정하는 라이브러리(워크닝이 나올 수도 있습니다) import statsmodels.formula.api as smf import stat.. 공감수 2 댓글수 0 2023. 6. 13.
사이킷런을 활용한 머신러닝(model_selection / preprocessing) - 선형모델과 신경망_[파이썬/머신러닝] 이번에는 신경망의 기본적인 구조를 소개하겠습니다. 그리고 파이썬으로 구현을 하면서 헌형모델과 복잡한 머신러닝을 비교해볼께요! 신경망을 사용하는 예제에서는 붓꽃의 종을 판별하게 만들어보겠습니다. 붓꽃의 꽃받침 길이와 너비를 이용해서 붓꽃의 종류를 알아내는 예측 모델을 만들겠습니다. 입력 벡터, 목표 벡터, 가중치, 편향 통계모델과 머신러닝에서는 같은 뜻이지만 사용하는 용어가 다른 경우가 있습니다. - 독립변수는 머신러닝용어로 입력 벡터라고 합니다. - 종속변수는 목표 벡터라고 합니다. - 계수는 가중치라고 합니다. - 절편은 값이 항상 1인 독립변수로 볼 수 있으며, 편향이라고 합니다. 단순 퍼셉트론 단순 퍼셉트론은 아래 그림처럼 입력 벡터에 가중치(w1,w2,w3)가 반영된 값을 합해서 하나의 출력으로 .. 공감수 0 댓글수 0 2023. 6. 3.
사이킷런을 활용한 머신러닝(linear_model) - 릿지 회귀와 라소회귀 최적의 정규화 강도 결정_[파이썬/머신러닝] 이전 포스팅과 연결되는 부분이 많아서 이전 포스팅을 태그 걸었습니다. 이번 포스팅에서는 머신러닝 실전을 해보겠습니다. [파이썬/통계] 통계학과 머신러닝 - 이론적인 부분들 (라소회귀, 리지회귀) 머신러닝 기본 머신러닝은 컴퓨터에 학습능력을 부여하는 것을 목적으로 한 연구 분야입니다. 학습은 데이터를 기반으로 행해져 데이터가 가지는 규칙성을 분명히 합니다. 규칙성을 분명히 함 jofresh.tistory.com 사이킷런 사이킷런은 파이썬에서 머신러닝을 적용하는 데 자주 사용되는 패키지입니다. sklearn이라고 줄여서 부르기도 합니다. pip install sklearn 위 코드를 통해서 설치해주면됩니다. 리지회귀/라소회귀 외에도 뉴럴네트워크나 서포트 벡터머신등 여러 방법에 사용할 수 있습니다. 필요한 라.. 공감수 0 댓글수 0 2023. 5. 29.
[파이썬/머신러닝] 통계학과 머신러닝 - 이론적인 부분들 (라소회귀, 릿지회귀) 머신러닝 기본 머신러닝은 컴퓨터에 학습능력을 부여하는 것을 목적으로 한 연구 분야입니다. 학습은 데이터를 기반으로 행해져 데이터가 가지는 규칙성을 분명히 합니다. 규칙성을 분명히 함으로써 모르는 데이터의 예측 등에 활용됩니다. 규칙성을 분명히 함으로써 모르는 데이터의 예측 등에 활용됩니다. 지도학습 머신러닝은 크게 지도학습과 비지도학습으로 나누어집니다. 지도학습은 정답 데이터를 얻을 수 있는 문제를 다루는 학습입니다. 예를 들어 매상을 예측하는 경우 매상 데이터를 얻을 수 있다면 예측결과가 맞는지 문제가 있는지 평가할 수 있습니다. 이런 문제를 다루는 방법이 지도학습입니다. 정규선형모델이나 일반선형모델을 다룬 문제는 지도학습이라고 볼 수 있습니다. 우리는 지도학습을 배울겁니다. 비지도학습 비지도학습은 정.. 공감수 0 댓글수 0 2023. 5. 28.
[파이썬/통계] Python 통계 : 푸아송 회귀(회귀계수 해석) 푸아송 회귀란 확률분포에 푸아송 분포를 사용하고, 링크함수에 로그함수를 사용한 일반선형모델입니다. 독립변수는 여러 개 있어도 상관없고, 연속형과 카테고리형이 혼재되어 있어도 됩니다. WOW~~ ※복습 [파이썬/통계] Python 통계 : 일반선형모델 기본/ 로지스틱회귀 모델/null 모델 일반선형모델의 기본 예를 들어'있다, 없다'라는 두 개의 값만 취하는 데이터나 '1개,2개,3개'등 0 이상의 정수만 취하는 데이터가 있다면 모집단분포가 정규분포라고 가정하기에는 무리가 있습 jofresh.tistory.com 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리 import numpy as np import pandas as pd import scipy as sp from scipy import.. 공감수 0 댓글수 0 2023. 5. 28.
[파이썬/통계] Python 통계 : 일반선형모델 평가(잔차제곱합 구하는 이유) 정규선형모델에서 배운것 처럼(아래 이전 포스팅 참조) 모델을 평가할 때는 잔차를 필수로 체크해야합니다. 다만, 모집단분포가 정규분포 이외의 분포가 되면 잔차의 취급이 크게 바뀌게 됩니다. 이번에는 일반선형모델에서의 잔차 취급을 알아보겠습니다. 잔차는 데이터와 모델의 괴리를 표현하는 중요한 지표입니다. [파이썬/통계] Python 통계 : 정규 선형모델 /연속형 독립변수가 하나인 모델(단순회귀) 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리 import numpy as np import pandas as pd import scipy as sp from scipy import stats # 그래프를 그리는 라이브러리 from matplotlib import pyplot as plt import.. 공감수 0 댓글수 0 2023. 5. 28.
[파이썬/통계] Python 통계 : 일반선형모델 기본/ 로지스틱회귀 모델/null 모델 일반선형모델의 기본 예를 들어'있다, 없다'라는 두 개의 값만 취하는 데이터나 '1개,2개,3개'등 0 이상의 정수만 취하는 데이터가 있다면 모집단분포가 정규분포라고 가정하기에는 무리가 있습니다. 여기서 등장하는 것이 일반선형모델입니다. 일반선형모델을 이용하면 분류 문제와 회귀 문제를 통일성 있게 취급할 수 있습니다. 일반선형모델의 구성요소 1. 모집단이 따르는 확률분포: 일반선형모델은 정규분포나 이항분포, 푸아송 분포 등에 적용할 수 있습니다. 2. 선형예측자: 독립변수를 선형의 관계식으로 표현한 것입니다. 3. 링크함수: 종속변수와 선형예측자를 서로 대응시키기 위해 사용합니다. 링크함수와 확률분포의 대응 확률분포 링크함수 모델명 정규분포 이항분포 푸아송 분포 항등함수 로짓함수 로그함수 정규선형모델 로.. 공감수 0 댓글수 1 2023. 5. 22.
[파이썬/통계] Python 통계 : 일반선형모델/ 이항분포 / 푸아송분포 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리 import numpy as np import pandas as pd import scipy as sp from scipy import stats # 그래프를 그리는 라이브러리 from matplotlib import pyplot as plt import seaborn as sns sns.set() # 통계 모델을 추정하는 라이브러리(워크닝이 나올 수도 있습니다) import statsmodels.formula.api as smf import statsmodels.api as sm # 표시 자릿수 지정 %precision 3 # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정 %matplotlib inline 이항분포 이.. 공감수 0 댓글수 1 2023. 5. 22.
[파이썬/통계] Python 통계 : type 2 anova / 독립변수가 여럿인 모델 / t검정/ 적합한 독립변수 선택 독립변수가 여럿인 모델 매상 예측 모델에서는 습도, 기온, 날씨, 가격이라는 독립변수를 사용합니다. 날씨는 카테고리형 변수이며, 그 외에는 연속형 변수입니다. 복수의 독립변수를 가지고 있어도 일반 선형모델 구조를 이용해서 통일적인 분석, 해석, 예측이 가능합니다. 이절에서는 분산분석에서 type 2 anova라 불리는 검정 방법을 설명하겠습니다. 복수의 독립변수가 있을 경우 그 변수들의 유의미함을 어떻게 판정하는지 배울겁니다!! 용어 설명 카테고리형 변수와 연속형 변수는 통계 및 데이터 분석에서 사용되는 변수의 두 가지 주요 유형입니다. 카테고리형 변수: 카테고리형 변수(또는 범주형 변수)는 명목형 변수라고도 불리며, 일정한 범주 또는 레벨로 구성된 변수입니다. 이러한 변수는 일반적으로 명목적인 속성을 .. 공감수 1 댓글수 0 2023. 5. 22.
[파이썬/통계] Python 통계 : 분산분석/회귀모델의 분산분석 / statsmodels를 이용한 분산분석 분산분석은 정규선형모델에서 폭넓게 이용되는 검정 방법입니다. 분산분석(ANOVA)은 통계적으로 그룹 간 차이를 검정하기 위해 사용되는 방법입니다. 일반적으로 분산분석은 다음과 같은 상황에서 필요합니다: 그룹 간 비교: 분산분석은 그룹 간 평균의 차이를 검정하기 위해 사용됩니다. 여러 그룹이 있고 각 그룹 간에 차이가 있는지 확인하고자 할 때 분산분석을 사용할 수 있습니다. 예를 들어, 약을 복용한 여러 그룹의 평균 효과를 비교하거나 교육 수준에 따라 소득의 차이를 비교할 수 있습니다. 요인 간 상호작용 검정: 분산분석은 또한 그룹 간 차이뿐만 아니라 요인 간 상호작용의 존재 여부도 검정할 수 있습니다. 즉, 그룹 간 차이가 통계적으로 유의미한지 뿐만 아니라 그룹 간 차이가 다른 요인(예: 성별, 연령 등.. 공감수 0 댓글수 0 2023. 5. 22.
[파이썬/통계] Python 통계 : 정규 선형모델 /연속형 독립변수가 하나인 모델(단순회귀) 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리 import numpy as np import pandas as pd import scipy as sp from scipy import stats # 그래프를 그리는 라이브러리 from matplotlib import pyplot as plt import seaborn as sns sns.set() # 통계 모델을 추정하는 라이브러리(워크닝이 나올 수도 있습니다) import statsmodels.formula.api as smf import statsmodels.api as sm # 표시 자릿수 지정 %precision 3 # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정 %matplotlib inline 데이터 가져.. 공감수 0 댓글수 0 2023. 5. 16.
[파이썬/통계] Python에 의한 기술 통계 : 통계 모델, 모델링에 관하여 통계모델(Statistical Model)은 현상이나 데이터의 패턴을 설명하거나 예측하기 위해 수학적으로 정의된 모델입니다. 이 모델은 통계학적 기법과 확률론을 사용하여 데이터의 특성과 관련된 가정을 수립하고 검정하며, 데이터로부터 파라미터를 추정하고 추론하는 데 사용됩니다. 모델링(Modeling)은 통계모델을 개발하는 과정을 의미합니다. 이는 데이터를 수집하고, 데이터의 특성을 이해하며, 모델의 구조와 가정을 설정하는 과정을 포함합니다. 모델링은 주어진 데이터에 적합한 모델을 찾고, 모델의 파라미터를 조정하여 데이터를 잘 설명하거나 예측할 수 있는 모델을 생성하는 작업입니다. 모델링은 다양한 목적을 가지고 수행될 수 있습니다. 주요 목적은 다음과 같습니다: 데이터 이해: 모델링은 데이터를 분석하고 이.. 공감수 1 댓글수 2 2023. 5. 16.
[파이썬/통계] Python에 의한 기술 통계 : 분할표검정(카이제곱검정★) 분할표 검정은 두 개의 범주형 변수 간에 관련성이 있는지를 평가하기 위해 사용되는 통계적인 방법입니다. 범주형 변수는 일반적으로 명목형 또는 순서형 변수로 구성되며, 각 변수는 두 개 이상의 범주를 가지고 있습니다. 분할표는 두 개의 범주형 변수를 교차하여 만든 표이며, 각 범주에 해당하는 개체 수를 나타냅니다. 분할표 검정은 이러한 분할표를 사용하여 두 변수 간의 관련성을 평가합니다. 가장 일반적인 분할표 검정은 카이제곱 검정(Chi-square test)입니다. 카이제곱 검정은 관찰된 빈도와 기대되는 빈도 사이의 차이가 우연에 의한 것인지를 확인하는 데 사용됩니다. 카이제곱 검정은 다음과 같은 절차를 따릅니다: 1. 가설 설정: - 귀무 가설(H0)과 대립 가설(H1)을 설정합니다. - 귀무 가설은 .. 공감수 0 댓글수 0 2023. 5. 16.
[파이썬/통계] Python에 의한 기술 통계 : 평균치 차이 검정 이번에는 실제 분석할 때도 많이 쓰이는 평균값의 차이에 대한 검정의 이론과 실행 방법을 설명하겠습니다. 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리입니다. import numpy as np import pandas as pd import scipy as sp from scipy import stats # 그래프를 그리는 라이브러리입니다. from matplotlib import pyplot as plt import seaborn as sns sns.set() # 표시 자리수 지정입니다. %precision 3 # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정입니다. %matplotlib inline 통계에 사용될 raw 데이터 - 이제부터 raw 데이터는 그냥 파.. 공감수 0 댓글수 0 2023. 5. 16.
[파이썬/통계] Python에 의한 기술 통계 : 통계적 가설 검정 통계적가설검정이란? 통계적 가설 검정은 통계학에서 데이터를 사용하여 어떤 주장이나 가설에 대한 통계적인 지지 여부를 평가하는 과정입니다. 가설 검정은 주어진 데이터로부터 일반적인 결론을 도출하거나 특정 가설을 지지하거나 기각하는 데 사용됩니다. 일반적으로 통계적 가설 검정은 다음과 같은 절차를 따릅니다: 1. 가설 설정: - 귀무 가설(H0)과 대립 가설(H1)을 설정합니다. - 귀무 가설은 일반적인 주장이나 기존의 상태를 나타내고, 대립 가설은 귀무 가설과 반대되는 주장이나 원하는 변화를 나타냅니다. 2. 유의수준 결정: - 유의수준(α)을 설정합니다. 유의수준은 귀무 가설을 기각하기 위한 증거를 평가하는 임계값입니다. 일반적으로 0.05(5%)나 0.01(1%)이 사용됩니다. 3. 검정 통계량 계산:.. 공감수 0 댓글수 0 2023. 5. 16.
[파이썬/통계] Python에 의한 기술 통계 : 추정 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리입니다. import numpy as np import pandas as pd import scipy as sp from scipy import stats # 그래프를 그리는 라이브러리입니다. from matplotlib import pyplot as plt import seaborn as sns sns.set() # 표시 자리수 지정입니다. %precision 3 # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정입니다. %matplotlib inline 통계에 사용될 raw 데이터 더보기 0 4.352982 1 3.735304 2 5.944617 3 3.798326 4 4.087688 5 5.265985 6 3.2726.. 공감수 0 댓글수 0 2023. 5. 6.
[파이썬/통계] Python에 의한 기술 통계 :정규 분포와 그 응용(확률밀도,t분포,누적분포함수,하측확률,퍼센트포인트) 파이썬 라이브러리를 통하지 않는다면, 확률 밀도/정규 분포 등등을 계산하는 방식은 굉장히 까다롭습니다. 공식을 알고 있다고해도 실무에서 응용하는 것은 쉽지가 않을 것 입니다. 그래서 파이썬 라이브러리를 통해서 공부하는 것이기도 합니다. 원리만 알면 누구나 쉽게 통계를 내볼 수 있으니깐요! 아래 식은 확률 밀도를 계산하는 공식입니다. 하지만 우리는 이런 복잡한 계산을 하지 않고도 원하는 것을 얻을 수 있죠! 계산 공식을 다 올리려고 했지만 그러면 오히려 더 어렵고, 가독성이 떨어질 것 같아서 빼고 진행하기로 했습니다. 참고 부탁드립니다! # '평균 4, 분산 0.64(표준편차 0.8)의 정규분포'에서 확률변수가 3일 때 확률밀도 x = 3 mu = 4 sigma = 0.8 1 / (sp.sqrt(2 * s.. 공감수 0 댓글수 0 2023. 5. 6.
[파이썬/통계] Python에 의한 기술 통계 : 표본의 통계량 성질 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리입니다. import numpy as np import pandas as pd import scipy as sp from scipy import stats # 그래프를 그리는 라이브러리입니다. from matplotlib import pyplot as plt import seaborn as sns sns.set() # 표시 자리수 지정입니다. %precision 3 # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정입니다. %matplotlib inline #평균 4,표준 편차 0.8의 정규 분포를 모두 사용 population = stats.norm(loc = 4, scale = 0.8) 표본 평균을 몇 번이나 계산해 보.. 공감수 0 댓글수 0 2023. 5. 6.
[파이썬/통계] Python에 의한 기술 통계 : 모집단의 표본 추출 시뮬레이션 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리입니다. import numpy as np import pandas as pd import scipy as sp from scipy import stats # 그래프를 그리는 라이브러리입니다. from matplotlib import pyplot as plt import seaborn as sns sns.set() # 표시 자리수 지정입니다. %precision 3 # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정입니다. %matplotlib inline 물고기 다섯 마리만 있는 호수에서 표본 추출 - np.random.choice 함수는 배열의 요소 중에서 무작위로 샘플링을 수행하는 함수입니다. 위 코드에서는 fish_.. 공감수 0 댓글수 0 2023. 5. 6.
[파이썬/통계] Python에 의한 기술 통계 : matplotlib·seaborn에 의한 데이터 가시화 안녕하세요! 조신선입니다. 오늘은 matplotlib·seaborn에 의한 데이터 가시화에 대해서 포스팅하겠습니다. 오늘도 역시나 쥬피터(vscode확장자 : ipynb) 환경으로 시작하겠습니다. 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리 import numpy as np import pandas as pd # 표시 자릿수 지정 %precision 3 # 그래프를 그리는 라이브러리 from matplotlib import pyplot as plt # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정 %matplotlib inline pyplot에 의한 꺾임선 그래프 해당 코드는 matplotlib 라이브러리를 이용하여 산점도 그래프를 그리는 코드입니다. plt.plot(x.. 공감수 1 댓글수 0 2023. 5. 5.
[파이썬/통계] Python에 의한 기술 통계 : 다변량 데이터와 pandas 데이터 프레임 안녕하세요! 조신선입니다. 오늘은 다변량 데이터와 pandas 데이터 프레임에 대해서 포스팅하겠습니다. 오늘도 역시나 쥬피터(vscode확장자 : ipynb) 환경으로 시작하겠습니다. 라이브러리 임포트 import pandas as pd import scipy as sp %precision 3 그룹별 통계량 예시 코드에 쓰일 데이터 파일을 이미지로 공유드리겠습니다. 아래 코드는 fish_multi 데이터 프레임을 'species' 열을 기준으로 그룹핑한 뒤 각 그룹별로 열의 평균 값을 계산하는 코드입니다. groupby 메소드로 'species' 열을 기준으로 데이터 프레임을 그룹핑한 결과를 group 변수에 저장하고, mean 메소드를 이용해 각 그룹별로 열의 평균 값을 계산하여 출력합니다. 아래 코드.. 공감수 1 댓글수 0 2023. 5. 5.
[파이썬/통계] Python에 의한 기술 통계 : scipy의 기본 안녕하세요! 조신선입니다. 오늘은 scipy라이브러리에 대해서 배워보고 앞전에 배웠던 넘파이,판다스와 같이 사용하는 방법에 대해서 포스팅 해보도록 하겠습니다! 오늘도 역시나 주피터 환경으로 시작하겠습니다. scipy란? Scipy는 과학, 공학, 경제학 등에서 자주 사용되는 여러 기능을 제공하는 파이썬 라이브러리 중 하나입니다. Scipy는 다양한 부분 패키지로 구성되어 있으며, 이들 패키지는 고성능 선형 대수, 최적화, 통계 분석, 푸리에 변환, 신호 처리 등 다양한 과학 기술 계산에 사용됩니다. Scipy는 NumPy와 같이 작동하기 때문에 두 라이브러리를 함께 사용하여 다양한 과학, 공학 및 경제학 문제를 해결할 수 있습니다. 필요한 라이브러리 임포트 import numpy as np import .. 공감수 1 댓글수 0 2023. 5. 5.
[파이썬/통계] Python에 의한 기술 통계 : numpy·pandas의 기본 안녕하세요! 조신선입니다. 해당 카테고리에서는 파이썬을 활용한 통계기법에 대해서 포스팅하도록 하겠습니다. 파이썬통계는 기본적으로 쥬피터 환경에서 실행하도록 합니다! vscode를 사용하고 계시다면 확장자가 py가 아닌 ipynb로 하셔야합니다. 쥬피터 환경으로 하는 이유는 필요한 라이브러리가 대부분 같은데, 하나의 데이터로 여러개의 분석을 할 때 일일이 파일을 생성하기 보다는 쥬피터 환경에서는 하나의 데이터로 여러개의 분석을 할 수 있기 때문입니다. 그럼 시작하겠습니다. numpy·pandas란? NumPy는 파이썬에서 대규모 다차원 배열과 행렬 연산을 지원하는 라이브러리로, 과학, 수학, 엔지니어링 등 다양한 분야에서 활용되고 있습니다. NumPy는 배열을 효율적으로 다루기 위해 벡터화 연산을 사용하고.. 공감수 1 댓글수 0 2023. 5. 5.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.