if(life){code();}

캐글(Kaggle) 및 데이터셋 다운로드 캐글(Kaggle) 데이터 과학 및 머신러닝 경진대회 플랫폼데이터 사이언티스트 및 머신러닝 엔지니어들이 다양한 문제를 해결하고 데이터 분석 수행모델 개발을 위한 데이터셋과 도구 제공경진대회: 다양한 데이터 과학 및 머신러닝 문제를 해결하는 대회 개최데이터셋: 다양한 주제의 데이터셋 무료 제공커뮤니티: 데이터 과학자와 머신러닝 엔지니어들이 지식을 공유하고 협업 가능커널(Kernels): Jupyter 노트북과 유사한 웹 기반 코드 실행 환경 제공 캐글 데이터셋 다운로드  캐글 API 설치pip install kaggle  캐글 API 키 설정캐글 계정에서 API 키 생성 후 로컬 환경에 저장API 키는 ~/.kaggle/kaggle.json 파일에 저장됨 데이터셋 ..

혼동행렬 (Confusion Matrix) 예측 클래스(Predicted Class) 양성 (Positive)음성 (Negative)실제 클래스 (Actual Class)양성 (Positive)참 양성 (TP, True Positive)거짓 음성 (FN, False Negative)제 2종 오류 (Type Ⅱ Error)민감도 (Sensitivity)TP/(TP+FN)음성 (Negative)거짓 양성 (FP, False Positive)제1종 오류 (Type Ⅰ Error)참 음성 (TN, True Negative)특이도 (Specificity)TN/(TN+FP) 정밀도 (Precision)TP/(TP+FP)음성 예측도 (Negative Predictive)TN/(TN+FN)정확도 (Accuracy)TP..

학습을 위한 코드이며, 최선의 코드가 아님 데이터 로드 및 기본 정보 확인import numpy as npimport pandas as pddf = pd.read_csv('./titanic_csv')df.info()df.head(3)"""RangeIndex: 891 entries, 0 to 890Data columns (total 12 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 PassengerId 891 non-null int64 1 Survived 891 non-null int64 2 Pclass 891 non-null in..

Iris 데이터셋을 사용하여 결정 트리(Decision Tree) 모델의 성능을 다양한 방법을 평가각각의 방법론에 따라 과적합 여부를 판단, 교차 검증 등을 통해 일반화 성능을 측정 from sklearn.datasets import load_irisfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.metrics import accuracy_scorefrom sklearn.model_selection import train_test_split, KFold, StratifiedKFold, cross_val_scoreimport numpy as npdataset = load_iris()model = DecisionTreeClassifier() #결정 ..

Estimator데이터 모델링을 위한 기본 인터페이스를 제공하는 객체머신러닝 워크플로우의 중심이 되는 객체머신러닝 알고리즘을 캡슐화한 툴→ 데이터를 학습하여 모델을 생성, 학습된 모델을 사용해 새로운 데이터에 대해 예측을 수행할 수 있음  알고리즘 : 데이터를 학습하고 처리하는 방법Estimator : 알고리즘을 사용가능하게 만든 도구(객체), 데이터를 학습해서 예측을 수행할 수 있도록 도와주는 도구메서드(fit, predict, score) : Estimator가 제공하는 기능   dir()함수로 Estimator가 제공하는 기능(메서드와 속성)목록 확인from sklearn.tree import DecisionTreeClassifiermodel = DecisionTreeClassifier()print..

Perceptron(퍼셉트론)  인공 신경망의 가장 단순한 형태로, 인공 뉴런 모델 중 하나이진 분류 문제를 해결하기 위해 설계된 알고리즘으로, 입력 데이터를 받아 두 개의 클래스 중 하나에 속하는지 판단 1957년 프랭크 로젠블랫(Frank Rosenblatt)에 의해 소개되었으며, 초기 지도 학습 알고리즘 중 하나로 간주됨   퍼셉트론의 동작 원리 여러 입력 신호를 받아 각각 가중치를 곱한 뒤, 이를 모두 합산하고, 합산된 값을 활성화 함수(주로 계단 함수)에 통과시켜 단일 이진 출력을 생성  퍼셉트론의 동작: 1. 입력 값(x₁,x₂,x₃,,x_n)을 받아 가중치(w₁,w₂,w₃,,w_n)와 곱함 2. 각 가중치가 곱해진 입력 값을 합산하고, 바이어스(b)를 더함 3. 합산된 값을 활성화 함수 f에..

Scikit-learn Python 기반의 강력한 머신러닝 라이브러리 Python으로 작성되었으며, NumPy, SciPy, Matplotlib와 같은 라이브러리와 잘 통합되어 있음설치와 사용이 간단, 사용자 친화적인 API를 제공해 초보자도 쉽게 접근 가능   Scikit-learn이 지원하는 다양한 머신러닝 알고리즘회귀 분석 : 선형 회귀, 리지 회귀, 라쏘 회귀 등분류 : 로지스틱 회귀, SVM, 랜덤 포레스트, KNN 등군집화 : K-means, DBSCAN, 계층적 군집화 등차원 축소 : PCA, t-SNE, LDA 등효율성과 확장성Scikit-learn 대규모 데이터셋 처리와 효율적인 모델 학습을 위해 C와 Cython으로 최적화된 코드를 사용해 속도가 빠름병렬 처리를 지원하는 알고리즘(예: ..

Anaconda 주로 데이터 과학, 머신러닝, 그리고 과학 계산 작업을 위한 Python/R 배포판 및 통합 환경 데이터를 분석하고 모델링하는 작업에 필요한 여러 도구와 라이브러리를 한 번에 설치하고 관리할 수 있게 해줌초보자부터 전문가까지 쉽게 사용할 수 있는 환경을 제공   Anaconda의 주요 특징 포함된 라이브러리와 도구  NumPy, Pandas, Matplotlib, SciPy, Scikit-learn, TensorFlow 등 데이터 분석과 머신러닝에 필요한 필수적인 라이브러리가 기본적으로 포함Jupyter Notebook, Spyder 같은 개발 도구도 함께 제공 환경 관리 가상 환경을 쉽게 만들고 관리할 수 있음 => 프로젝트별로 다른 패키지와 Python 버전 사용 가능• 예: cond..

이중 분류와 다중 분류1. 이중 분류 (Binary Classification)두 개의 클래스로 분류하는 문제확률값에 따라 구분됨핵심 원리확률이 0.5 이상: 특정 클래스 (예: 긍정)확률이 0.5 미만: 다른 클래스 (예: 부정)이중 분류 활용 사례스팸 분류: 스팸인지 아닌지의료 진단: 당뇨병인지 아닌지대출 평가: 대출을 해줄까 말까2. 다중 분류 (Multiclass Classification)세 개 이상의 클래스로 분류하는 문제활용 사례메일 분류: 스팸, 광고, 일반, 업무교통 체증 분류: 원활, 지체, 정체뉴스 카테고리 분류: 경제, 정치, 에세이음악 장르 분류: 재즈, 힙합, 인디다중 분류 원리입력 데이터가 여러 클래스 중 하나에 속하도록 예측하는 문제클래스별 확률의 합이 1이 되도록 조정해야 ..