electronicprogrammer

이번 포스팅에서는 Pandas를 이용해서 불러온 데이터프레임에서 각 속성간의 관계를 파악하기 위해서 상관행렬을 구하고 이를 이용해보는 과정을 정리해보겠습니다. 상관행렬에 대한 이론을 간단하게 정리하자면 아래와 같습니다. 먼저 각 속성에 대한 분산과 속성들간의 공분산을 구해서 분산 - 공분산 행렬을 만듭니다. 근데 여기서 공분산 값을 최솟값 = -1 , 최댓값 = 1 로 만듬으로써 표준화하는 것이 상관행렬이고 이를 이용하는 것이 피어슨 상관계수입니다. 이제 이를 파이썬을 이용해 구현해보겠습니다. 먼저 Pandas를 이용해서 데이터를 불러오고 데이터 구조를 확인해보겠습니다. 이제 이 데이터를 기반으로 상관행렬을 구해보겠습니다. corr_Info = insurance.corr() df.corr() 함수를 이용..

이번 포스팅에서는 .csv 파일을 Pandas로 불러와서 만든 데이터프레임에서 간단하게 그래프를 Pie Chart(원 그래프) , Bar Chart (막대 그래프) 를 그리는 방법에 대해서 정리해보겠습니다. 먼저 데이터를 pandas를 이용해서 불러오겠습니다. 그 다음 데이터 구조를 한 번 확인해보겠습니다. 여기서 저희는 이산적인 속성인 sex 속성에 대해서 데이터를 시각화해보고자 합니다. 먼저 value_counts() 함수를 이용해서 각 속성의 갯수를 파악할 수 있습니다. 이를 이용해서 각 속성과 해당 속성의 대한 갯수를 값으로 해서 그래프를 그릴 수 있습니다. plt.figure(figsize=(12,5)) plt.title('Data Sex Rate' , fontsize=20) plt.ylabel..

데이터 출처 : https://www.kaggle.com/puneet6060/intel-image-classification/notebooks Intel Image Classification Image Scene Classification of Multiclass www.kaggle.com ipynb file : github.com/sangHa0411/DataScience/blob/main/Intel%20Multi%20Image%20Classification.ipynb sangHa0411/DataScience Contribute to sangHa0411/DataScience development by creating an account on GitHub. github.com 이전 단계 포스팅 주소 : e..

Part3 목표 : Scikit-learn을 이용해서 Decision Tree쉽게 구현하고 성능 측적 및 Decision Tree 출력해보기 데이터 출처 : www.kaggle.com/c/titanic/data Titanic: Machine Learning from Disaster Start here! Predict survival on the Titanic and get familiar with ML basics www.kaggle.com ipynb 파일 : github.com/sangHa0411/DataScience/blob/main/Titanic_Prediction_Part2.ipynb sangHa0411/DataScience Contribute to sangHa0411/DataScience dev..

Part2 목표 : Decision Tree를 위한 데이터 전처리 및 Decision Tree 알고리즘 구현 데이터 출처 : www.kaggle.com/c/titanic/data Titanic: Machine Learning from Disaster Start here! Predict survival on the Titanic and get familiar with ML basics www.kaggle.com ipynb 파일 : github.com/sangHa0411/DataScience/blob/main/Titanic_Prediction_Part1.ipynb sangHa0411/DataScience Contribute to sangHa0411/DataScience development by creati..