전체 글 (75) 썸네일형 리스트형 [패스트캠퍼스 수강 후기] 데이터분석 인강 100% 환급 챌린지 27회차 미션 05. ch02. sklearn의 개요 - 03. 학습데이터와 예측데이터 - 08. ch03. sklearn의 개요 - 02. train_test_split으로 학습 05. ch02. sklearn의 개요 - 03. 학습데이터와 예측데이터 06. ch02. sklearn의 개요 - 04. 검증데이터(Validation) Training set-> training set 학습을 위한 데이터 80% / validation set 검증을 위한 데이터 20% train data로 학습 validation data로 모니터 학습할 때 validation set 관여되면 안됨.(섞이면 X) 07. ch03. sklearn의 개요 - 01. sklearn의 전처리 기능 전처리 데이터 분석에 적합하게 데이터를 가공/변.. [패스트캠퍼스 수강 후기] 데이터분석 인강 100% 환급 챌린지 26회차 미션 01. ch01. 머신러닝의 개요 - 01. 머신러닝의 개요 - 04. ch02. sklearn의 개요 - 02. 학습(fit), 예측(predict) 실습 02. ch01. 머신러닝의 개요 - 02. 가설 함수, 비용, 손실 함수 가설 함수 H(x) = W * X + b H(x) = Y Predict 손실 = Y Predict - 손실함수 = W * X + b - Y 손실함수 = W * X + b – Y = 2X + 1 - Y 손실함수 (Loss Function) = W * X + b – Y = (W * X + b – Y)2 의 전체 합 = ∑(W * X + b – Y) 2 데이터의 개수가 많아지면 손실이 커지므로 전체 손실의 평균을 구합니다 ∑(W * X + b – Y) 2 / N(데이터 개수) 03.. [패스트캠퍼스 수강 후기] 데이터분석 인강 100% 환급 챌린지 25회차 미션 26. ch02. seaborn - 10. lmplot - 28. ch02. seaborn - 13. joinlplot 26. ch02. seaborn - 10. Implot lmplot은 column 간의 선형관계를 확인하기에 용이한 차트 6-1. 기본 lmplot sns.lmplot(x="total_bill", y="tip", height=8, data=tips) plt.show() 6-2. hue 옵션으로 다중 선형관계 sns.lmplot(x="total_bill", y="tip", hue="smoker", height=8, data=tips) plt.show() 6-3. col 옵션 col_wrap으로 한 줄에 표기할 column의 갯수를 명시 sns.lmplot(x="total_bill", y=.. 이전 1 ··· 14 15 16 17 18 19 20 ··· 25 다음
