본문 바로가기

전체 글

 (224)
[Python] lambda & map & reduce 본 글은 BoostCourse에서 '머신러닝을 위한 파이썬' 강의를 듣고 작성한 글입니다. 1. lambda 함수 이름 없이, 함수처럼 쓸 수 있는 익명함수이다. 다음 f함수는 def f(x, y): return x + y print(f(1, 4)) 이렇게 람다를 이용해서 나타낼 수 있다. f = lambda x, y: x + y print(f(1, 4)) 2. map sequence자료형에 함수 적용을 하나하나 한꺼번에 할 때 굉장히 유용하게 사용된다. (python2에서는 print(map(f, ex))해도 [1, 4, 9, 16, 25]의 list 결과가 나오지만 python3에서는 list(map(f, ex))를 해줘야지 list형태로 나온다.) ex = [1, 2, 3, 4, 5] f = lam..
[Python] join과 split 1. join sequence의 멤버들을 하나의 문자열로 합치는 함수이다. 예시1 sequence의 멤버들을 하나의 string으로 이어붙인다. my_list = ['1', '100', '33'] answer = ''.join(my_list) # answer = '110033' 예시2 li = ['This', 'is', 'the', 'example', 'of', 'split'] print(" ".join(li)) #"This is the example of split"가 출력된다. 2. split 문자열을 쪼개는 함수이다. 파라미터로 구분자를 주면 해당 구분자를 기준으로 문자열을 잘라 리스트 형식으로 반환한다. 파라미터에 아무것도 주지 않으면 공백을 기준으로 문자를 나눈다. 예시 str = "This i..
[Python] 문자열 소문자 또는 대문자로 바꾸기 1. string.upper() string내부의 모든 알파벳을 대문자로 바꿔주는 함수이다. 예시 1 2 str = "abcd" print(str.upper()) #"ABCD"가 출력된다. cs 2. string.lower() string내부의 모든 알파벳을 소문자로 바꿔주는 함수이다. 예시 1 2 str = "ABCD" print(str.lower()) #"abcd"가 출력된다. cs
Google Colaboratory 팁 Ctrl + Enter를 누르면 현재 셀을 실행할 수 있다. Shift + Enter를 누르면 현재 셀을 실행하고 다음 셀로 넘어간다. "런타임" ->"런타임 유형 변경"을 누른 뒤 하드웨어 가속기를 GPU로 선택하면 훨씬 속도를 향상시킬 수 있다.
[머신러닝] 머신러닝 프로세스 본 글은 생활코딩의 머신러닝야학 강의를 듣고 작성한 글입니다. 1. 과거의 데이터를 준비한다. 독립변수(원인)와 종속변수(결과) 2. 모델의 구조를 만든다. 3. 데이터로 모델을 학습(FIT)한다. 4. 모델을 이용한다. 원인을 모델에 넣어서 결과를 얻는다.
[머신러닝] 라이브러리에서 AI까지 이어지는 계층구조 본 글은 생활코딩의 머신러닝야학 강의를 듣고 작성한 글입니다. Neural Network란 인공 신경망이라는 의미로 Deep learning이라고도 불린다. (Neural Network = 인공 신경망 = Deep learning) 인공지능 - 머신러닝 - 딥러닝 계층구조
[머신러닝] 강화학습 이 글은 이고잉님의 강의를 수강하고 작성한 글입니다. 강화학습은 영어로는 Reinforcement Learning이라고 한다. Reinforcement 강화, 증강이라는 뜻이다. 강화학습의 핵심은 일단 해보는 것이다. 비유하자면 지도학습이 배움을 통해서 실력을 키우는 것이라면, 강화학습은 일단 해보면서 경험을 통해서 실력을 키워가는 것이다. 그 행동의 결과가 자신에게 유리한 것이었다면 상을 받고, 불리한 것이었다면 벌을 받는 것이다. 이 과정을 매우 많이 반복하면 더 많은 보상을 받을 수 있는 더 좋은 답을 찾아낼 수 있다는 것이 강화학습의 기본 아이디어이다.
[머신러닝] 비지도 학습 이 글은 이고잉님의 강의를 수강하고 작성한 글입니다. 비지도 학습은 탐험적이다. 탐험이 미지의 세계를 파악하는 것이듯, 데이터들의 성격을 파악하는 것이 목적이다. 독립변수와 종속변수의 구분이 중요하지 않다. 데이터만 있으면 된다. 군집화(Clustering) 군집화는 비슷한 것들을 찾아서 그룹을 만드는 것이다. 관측지(행)를 그룹핑 해주는 것이다. 연관규칙학습(Association rule learning) 연관규칙학습은 서로 연관된 특징을 찾아내는 것입니다. 쇼핑 추천, 음악 추천, 영화 추천, 검색어 추천, 동영상 추천, ... 추천이 이름 뒤에 붙은 것들은 거의 다 연관규칙을 이용한 것이라고 보면 된다. 연관규칙은 서로 관련이 있는 특성(열)을 찾아주는 머신러닝 기법이다.

티스토리툴바