Note

학습 데이터로 잘못된 예측 케이스 필요한 라이브러리를 임포트 하고 학습 데이터를 세팅한다. 디시전트리 객체를 생성하고 학습 데이터로 학습한 후 그 데이터를 기반으로 예측을 수행했다. 그 결과는 예측 정확도 100%이다. 그 이유는 학습한 데이터를 그대로 가지고 예측을 하기 때문에 정확도가 높을 수밖에 없다. 테스트 데이터로 실행하기 위해 데이터 준비를 하고 학습과 테스트 데이터를 분리한다. 모델 학습 한 후 테스트 데이터로 예측을 한 결과 95.56%가 나왔다. 이전보다 정확도가 떨어진 건 사실이지만 그래도 높은 정확도 수치이다. 위 코드와 같이 pandas를 통해서도 데이터 분할이 가능하다. 피처와 타겟을 정의하고 데이터를 나눈 모습이다. 머신러닝 모델을 정의하고 학습한 후 테스트 데이터로 예측한 결과..

사이킷런을 임포트하고 iris 데이터 예측을 위해서 필요한 모듈을 로딩한다. 데이터 처리를 위해서 판다스를 임포트하고 iris 내장 데이터를 불러와서 객체를 생성한다. iris.data를 사용해서 데이터 세트에서 feature만으로 된 데이터를 numpy로 가진다. iris.target은 데이터 세트에서 레이블(결정 값) 데이터를 numpy로 가지고 있습니다. iris.data와 iris target은 처음 iris 데이터를 출력한 결과물을 보면 알 수 있습니다. 키는 보통 data, target, target_name, feature_names, DESCR로 구성돼 있습니다. 개별 키가 가리키는 의미는 다음과 같습니다. * data는 피처의 데이터 세트를 가리킵니다. * target은 분류 시 레이블 ..

1. ndarray의 형태(shape)와 차원 ndarray : N 차원(Dimension) 배열(Array) 객체 ndarray 생성 라이브러리를 먼저 임포트한다. 넘파이를 사용하기 위한 라이브러리 호출한다. np.array()를 사용해서 생성하고 인자는 주로 파이썬 list 또는 ndarray를 입력한다. .shape는 형태를 알 수 있고, .ndim으로 차원을 확인할 수 있다. 2차원의 ndarray 모습으로, 평범한 2차원 데이터와 행이 1개만 있는 2차원 데이터 형태이다. 2. ndarray 데이터 값 타입 ndarray 내의 데이터 값은 숫자, 문자열 등 모두 가능하다. ndarray 내의 데이터 타입은 그 연산의 특성상 같은 데이터 타입만 가능하다. 즉, 한 개의 객체에 int형과 float..

1. 머신러닝이란? 머신러닝이란 애플리케이션을 수정하지 않고도 데이터를 기반으로 패턴을 학습하고 결과를 추론하는 알고리즘 기법을 통칭합니다. 2. 필요한 이유? 복잡한 업무와 규칙을 구현하기 위한 매우 복잡하고 방대한코드와 수시로 변하는 업무 환경, 정책, 사용자 성향에 따른 애플리케이션 구현의 어려움 많은 자원과 비용을 통해서 구현된 애플리케이션의 예측 정확성 문제 동일한 숫자라 하더라도 여러 변형으로 인해 숫자 인식에 필요한 여러 특징들을 if else와 같은 조건으로 구분하여 숫자를 인식하기 어렵다. 머신러닝은 복잡한 문제에 대하여 데이터를 기반으로 숨겨진 패턴을 찾아내고 해결할 수 있다. 머신러닝 알고리즘은 데이터를 기반으로 통계적인 신뢰도를 강화하고 예측 오류를 최소화하기 위한 다양한 수학적 기..

데이터를 만져보는 사람들이라면 어디선가 한 번쯤은 들어봤을 크롤링에 대한 글입니다. 크롤링을 해서 얻은 데이터에 대한 책임은 데이터를 사용한 사람에게 있습니다. 크롤링을 하기 좋은 키워드는 사람들의 반응이 많은 것이 데이터를 수집하기 용이하다. 그래서 저는 LH에 대해서 네이버 뉴스 기사를 크롤링해봤습니다. (1) 네이버 뉴스 url 수집 크롤링을 하기 위한 라이브러리들을 임포트 시켜주고 설치합니다. 크롤링을 하기 위해서 크롬을 사용했고 크롬 드라이버를 설치해야 합니다. 네이버 검색창에 입력할 키워드를 설정해 준 모습이다. 코드를 실행하면 크롬 창이 띄워지고 검색창에 내가 크롤링하고자 하는 검색어가 검색되며 url을 가져오게 된다. timesleep(3)은 지연시간을 의미한다. 지연시간 없이 크롤링을 하..