목록파이썬 (25)
오늘보다 더 나은 내일의 나에게_
머신러닝 일반화, 과대적합, 과소적합 일반화(Generalization) - 훈련세트로 학습한 모델이 테스트 세트에 대해 정확히 예측 하도록 하는 것 과대적합(Overfitting) - 훈련 세트에 너무 맞추어져 있어 테스트 세트의 성능 저하 과소적합(Underfitting) - 훈련 세트를 충분히 반영하지 못해 훈련 세트, 테스트 세트에서 모두 성능이 저하 일반화 성능이 최대화 되는 모델을 찾는 것이 목표 과대적합 - 너무 상세하고 복잡한 모델링을 하여 훈련데이터에만 과도하게 정확히 동작하는 모델 과소적합 - 모델링을 너무 간단하게 성능이 제대로 나오지 않는 모델 해결방법 - 주어진 훈련데이터의 다양성이 보장되어야 한다. 다양한 데이터 포인트를 골고루 나타내야 한다. - 일반적으로 데이터 양이 많으면 ..
머신러닝 다양한 평가지표 - precision(정밀도) : 모델이 해당 클래스로 예측한것에 대한 정확도 - recall(재현율) : 실제 해당 클래스에대해서 맞출 비율 - f1-score - ROC 정밀도, 재현율, f1-score sklearn.metrics import classification_report print(classification_report(y_test,pre2)) 머신러닝(Machine Learning) 종류 - 지도학습(Supervised Learning) - 비지도학습(Unsupervised Learning) - 강화학습(Reinforcement Learning) 지도학습 - 데이터에 대한 Label(명시적인 답)이 주어진 상태에서 컴퓨터를 학습시키는 방법 - 분류(Classif..
머신러닝(Machine Learning) 머신러닝이란? - 데이터를 기반으로 학습을 시켜서 예측하게 만드는 기법 - 인공지능의 한 분야로 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야 - 통계학, 데이터 마이닝, 컴퓨터 과학이 어우러진 분야 Rule-based expert system(규칙 기반 전문가 시스템) : "if"와 "else"로 하드 코딩된 명령을 사용하는 시스템 => 많은 상황에 대한 규칙들을 모두 만들어 낼 수 없다 - 학습을 통해 기계가 스스로 규칙을 만들어낸다 - 데이터를 이용하여 특성과 패턴을 학습하고, 그 결과를 바탕으로 미지의 데이터에 대한 미래결과(값, 분포)를 예측하는 것 의료 인공지능 분야 사례 영상 의료/병리 데이터의 분석 및 판독(Deep Learning..
라즈베리파이 버튼 2개와 LED 전구 2개 PWM 제어 예제 코드 예제 2 ADC 조도센서 티스토리 spidevRead 코드 링크 조도센서 값에 따라 LED 전구 켜기 LED 모듈 만들기 모듈 사용해서 코드 변경 Python lib matplotlib 변수 생성! # 그래프 그리기, 출력 # line style(ls로도 사용 가능) # 그려지는 라인의 스타일을 지정하는 속성 # marker # line width # 라인 두께 지정하기 -> lw # line color # 라인의 색상 변경하기 -> color 그 외 스타일 옵션들 실습 # 그림의 영역 지정 # xlim : x 범위 지정 # ylim : y 범위 지정 # xlim(최소, 최대) # grid # tick 설정 # xticks : x축 틱 설..
Python lib 데이터 생성 merge # 공통된 컬럼('key') 기준으로 merge # how 속성! # 병합의 방식을 지정 # concat의 join과 동일한 기능 # inner : 공통된 데이터의 값만 출력 (기본값) # outer : 전체 값 출력 # left : 먼저 적은 데이터를 기준으로 값 출력 # right : 나중에 적은 데이터를 기준으로 값 출력 # 결측치 채우기 # fillna(채울 값) # DataFrame 삭제 drop # 출력하고 저장은 하지 않음 # inplace = False / True 카테고리 생성하기 # 데이터를 구간별로 구분하기 # 각 항목별 개수 확인 # DataFrame 생성 및 컬럼 생성 연령대 컬럼 생성 범죄 실습 파일 불러오기! 실습 문제 1. df201..
BootSample 프로젝트 서버 실행 후 페이지 접속 주요 설정 application.properties => 스프링 레거시 프로젝트에서 servlet-context.xml 있는 설정을 application.properties 여기서 설정 spring.mvc.view.prefix=/WEB-INF/views/ spring.mvc.view.suffix=.jsp 요청 후 링크로 접속 main.jsp 작성 RController 생성 후 Member테이블(controller 패키지) 생성 com.smhrd.myapp.database 패키지의 DataBaseConfigMyBatis에 추가! 더보기 package com.smhrd.myapp.database; import javax.sql.DataSource; i..
SpringBoard 1. 상단에 jstl 선언 ${vo.content} 부분 변경 => fn은 EL문과 같이 사용해야 한다! SpringBoard_AJAX 1. 수정하기 버튼에 조건문 추가 2. boardList 상단에 c:set 추가 form 태그 중 action에 있는 "$/myapp1/login.do" => "${cpath}/login.do" 경로 수정 스프링 부트 프로젝트 생성 프로젝트 생성 후 업데이트하는데 일정 시간이 소요 pom.xml에 추가! => jsp 사용시 꼭 추가(servlet) org.springframework.boot spring-boot-starter org.springframework.boot spring-boot-devtools runtime javax.serv..
저번 주부터 이번 주 수요일까지 파이썬 기초강의를 들었다. 기초강의 후 파이썬 라이브러리를 활용한 강의, 머신러닝 수업이 있기 때문에 파이썬 기초 부분을 열심히 해둬야 할 것 같다는 생각이 들어 이번 주는 파이썬 수업 내용을 정리해볼 생각이다.👀 파이썬을 이번 IoT과정 시작 전에 기초문법 정도만 인강으로 3주 정도 공부했었는데 벌써 3달.. 4달.. 전이라서🤦♂️ 생각나는 게 많이 없었다. 자바, Jsp/servlet, Spring 수업은 공부를 계속하면서 수업을 들었고 프로젝트 때도 계속 코드를 작성해서 새로운 개념이 나와도 많이 어렵다고 느낀 적은 없었다. 하지만 파이썬은 자바와는 다르게 간결한 문법을 사용했지만 자바에 익숙해진 나는 좀 어색하고 어렵게 느껴졌다...😵😵😵 먼저 파이썬 기초 수업 ..
회원 인증 3. 폼 수정 4. 로그인 기능 5. 로그인했을 때 환영문구와 로그아웃 버튼 보이도록 로그아웃 함수 작성 => js 파일 수정 후 웹페이지 반응이 없을 때 Ctrl+F5 눌러서 새로고침 로그아웃 컨트롤러 작성 6. htmlView함수 jsp로 이동 => 로그인 안했을 때 글쓰기 버튼 안 보이도록 글 작성 시 작성자에 로그인한 사용자 이름 기본값 넣기 7. 글작성 아이디 전송 로그인한 경우 / 하지 않은 경우에 따라 글 수정 삭제 버튼 사용 여부 Boolean 인덱싱 - Boolean : True/False - True 값은 출력 - False 값은 출력하지 않음 Pandas 모듈이란? : 데이터 조작 및 분석을 위한 라이브러리 - Series Class : 1차원 : 인덱스(index) + 값..
비동기 게시판 15. 삭제 버튼 및 기능 구현 16. RestBoardController 작성 =>BoardController에 있는 내용을 RestBoardController로 이동 17. BoardService 생성 18. RestBoardController 수정 => mapper를 service로 변경 servlet-context 내용 추가 19. Lombok 설치 후 Board에 @Data 어노테이션 추가 20. boarList.jsp에서 script태그 내용을 js파일 만들어서 따로 import Lombok(롬복) 라이브러리 설치 더보기 링크 org.projectlombok lombok 1.18.12 provided 롬복 라이브러리 - C:\에 다운로드 - 위 명령어 실행 아래와 같은 창이 ..