Supervised learning(지도학습)학습 데이터로 input, label(target) 값을 공급하는 학습 방법이다지도학습은 크게 분류 기법(Classfication techniques)과 회귀 기법(Regression techniques)로 나눌 수 있다classfication(분류) 기법은특정한 값을 분류해내는 기법이고로지스틱 회귀(Logistic Regression)선형 판별 분석K-최근접 이웃(k-Nearest Neighbors, k-NN)트리인공 신경망(Artificial Neural Networks)서포트 벡터 머신(SVM, Support Vector Machine, SVM)등을 예로 들 수 있고Regression(회귀) 기법은분류 기법과 다르게 label(결과)의 값이 연속적이라는 ..

핵심 데이터 구조판다스의 핵심 데이터 구조는 Series와 DataFrame을 꼽을 수 있다Series- 1차원 구조를 가진 열- 하나의 분류에 해당하는 데이터가 저장된다import pandas as pdanimal_series = pd.Series(['돼지','코끼리','하마','상어'])- 인덱스(index)와 값(value)로 구성된다- 사용장 지정 인덱스로 지정도 가능하다import pandas as pd# 딕셔너리로 생성s2 = pd.Series({'a': 1, 'b': 2, 'c': 3})# 사용자 정의 인덱스 지정s3 = pd.Series([4, 7, -5, 3], index=["d", "b", "a", "c"]) DataFrame- 복수의 열을 가진 2차원 데이터 구조로 - 여러개의 Ser..

import numpy as np import matplotlib.pyplot as plt x = np.arange(1,10,0.1) y1 = np.sin(x) y2 = np.cos(x) plt.plot(x,y1,label="sin") plt.plot(x,y2,linestyle="--",label="cos") plt.legend() plt.show() 위의 코드를 실행하면 이러한 그래프가 나온다. x = np.arange(1,10,0.1) 이 코드는 그래프의 시작점, 그래프의 범위, 점을 찍는 구간을 설정해주는 부분이다. y1 = np.sin(x) y2 = np.cos(x) 이 코드는 x를 기준으로 사인과 코사인을 구하는 것이다. 이후 show() 함수를 이용해서 그래프를 출력한다.

- 선언방식 import numpy as np A = np.array([[1, 2], [3, 4]]) 이와 같이 numpy를 np로 가져와서 이차원배열을 선언할 수 있다. Numpy는 일, 이차원배열 뿐만 아니라 다차원배열도 사용할 수 있다. - 배열의 연산 import numpy as np A = np.array([[1, 2], [3, 4]]) B = np.array([[10, 20], [30, 40]]) print(A+B) print(A*B) [[11 22] [33 44]] [[ 10 40] [ 90 160]] 위처럼 배열간의 연산도 가능하다. 주의할 점은 배열간의 원소의 개수가 같아야 한다는 점이다. A와B는 둘다(2,2)의 형상을 가지고 있기 때문에 각각 대응하는 원소들간의 연산이 가능하다. 여기..