반영훈65 [JS]변수/상수 선언 #변수선언 # let 변수명 = 값; #이후 값 변경# 변수명 = 값 변수선언 시 var를 이용하기도 하는데 이는 구버전 브라우저 호환용. 현재는 쓰지않음. #상수선언(이후 값 변경 안됨) const 상수명 = 값; 2020. 8. 9. [리액트]스타일,클래스 적용 리액트의 경우 html과 달리 style 적용 시 객체를 만들어 줘야 함. const style = { backgroundColor: 'black', color: 'aqua', fontSize: 32, padding: '1rem' }; 위와 같이 작업 후 위와 같이 div style에 'style'객체가 적용됨. CSS 클래스 적용 App.css를 만들어 준 후 .gray-box { background: gray; width: 64px; height: 64px; } 위와 같이 css를 작성. import './App.css'; 위와같이 임포트 해준 후 와 같이 작성해주면 CSS가 적용됨 2020. 8. 9. 파이썬으로 하는 차원축소 2016년 건강검진 데이터를 기반으로 차원축소를 해 보겠습니다. 우선 사용할 라이브러리와 데이터를 불러와주고 간단하게 환경설정을 해 줍니다. 데이터 프레임 설정을 해주고 컬럼명을 한글->영어로 바꿔줍니다. 각각의 변수에 남, 녀를 나누어 주고 X축에는 허리둘레, Y축에 키를 넣어 분포가 어떻게 되는지 시각화 해 줍니다. 허리둘레와 키 값을 정규화 시켜 준 후 PCA의 컴포넌트를1로 설정해 주고 정규화 하여 PCA 변환데이터를 반환해줍니다. 이후 타겟값으로 성별을 추가하여 남자는 파랑, 여자는 오렌지 색으로 분포를 표현해 줍니다. LDA를 이용해서 차원축소를 해 본 후 PCA와 비교해보겠습니다. 마지막으로 2016년 건강검진데이터의 피처들 간의 상관계수를 시각화 해 보겠습니다. 각 컬럼명을 영문으로 바꿔주.. 2020. 8. 2. 파이썬으로 하는 클러스터링 판다스의 대표 데이터셋인 붓꽃데이터셋으로 K-Means를 이용하여 클러스터링을 해 보겠습니다. 우선 사용할 라이브러리와 데이터들을 불러와주고 kmeans를 어떻게 수행할 것인지 세팅해줍니다. 데이터프레임에서 타겟와 클러스터를 정해주고 groupby와 .count를 이용하여 정리해주고 fit_transform을 이용하여 평균과 표준편차를 계산하여 정규화 해 줍니다. 각 클러스터별로 별도의 인덱스로 추출하고 해당index로 각 클러스터의 pca_x, pca_y값을 추출하여 세가지 형태의 marker로 표시해 줍니다. 추가로 알고리즘 테스트를 위한 데이터를 생섭합니다 산포도를 marker별로 생성하여 시각화 해 줍니다. 클러스터링을 해준 후 중심위치 좌표 시각화를 위해 센터값을 구한 뒤 군집된 Label 유형.. 2020. 8. 2. [ML]파이썬으로 하는 선형회귀 선형회귀를 하기 위한 라이브러리를 불러와주고 데이터를 불러와 변수를 설정해줌 seabornt을 이용하여 각 변수들과 PRICE간의 산점도와 선형회귀 직선을 함께 표현해줌. fit으로 정규화 해준 후 MSE와 RMSE값을 구해줍니다. 회귀 계수를 구하여 큰 값순서로 정렬해줍니다. 교차검증점수로 MSE를 구한 뒤 이를 기반으로 다시 RMSE를 구해줍니다. 이 포스팅은 위키북스의 파이썬 머신러닝 완벽가이드를 참고하여 작성하였습니다. 2020. 8. 2. [R][Data.table][Packages]-대용량 데이터를 빠르게 읽어들일 수 있음. ##To Handle 'big data' : [package]data.table## install.packages("data.table") #install the packages library("data.table") #I will use this packages #to solv EOF within Issue t1_20t=fread("file.txt", stringsAsFactors = FALSE, data.table = FALSE) install.packages('bit64') 2020. 7. 8. 이전 1 2 3 4 5 6 7 ··· 11 다음
