DnA

이제 데이터 불러오기, 탐색적 데이터 분석, 전처리, 시각화 및 분석을 끝마치고 머신러닝을 배웠습니다.사실 이거 하루만에 배우기에는 힘든 내용이라 주요 모델에는 어떤게 있나 정도만 살펴보고, 상세 파라미터나 모델 개선 등등은 직접 알아가면서 해봐야 할 것 같습니다. 이전에 들었던 내용들이었기에 망정이지, 아니었으면 따라가기 좀 벅찰 것 같네요 ㅋㅋㅋ 필수 라이브러리 모음import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport sklearn 데이터 분석df.head() df.tail()df.info()df.describe() # 기술통계df.corr(numeric_only=True) # 상관계..

이변량 분석에는 총 네가지가 있다서로 다른 타입의 변수를 비교하는 것 수치형 -> 수치형시각화 : 산점도# pyplot을 이용plt.scatter(x='', y='', data=, s=20, c='b') # s는 점의 크기, c 는 컬러# seaborn을 이용sns.scatterplot(x='', y='', data=, s=15, edgecolor=T/F) # edgecolor는 점 테두리선# 추가적인 시각화sns.pairplot() # dataframe 내 전체 변수에 대한 비교sns.jointplot(x='', y='', data=, kind=, marginal_kws={ : })# marginal_kws : dictionary 형태로 파라미터 값을 지정해줄 수 있음 ex. {'bins' : 15}#..