데이터(raw data) 데이터의 구성 요소: feature, data feature의 속성 탐색 feature 간의 상관관계(공분산, 상관계수) 탐색한 데이터의 시각화 1. 데이터 구성 확인 1.1 정보 확인 info() describe() 1.1 개수 확인 .unique() #행 열 data.shape() #행/열 의 구성 정보 data.info() info(): 행과 열의 개수 결측값 type # describe시 feature에서 문자는 제외해야한다. data['string_1'] = data['string_1'].astype(str) data.describe()
import: 필요한 모듈 import 전처리: 학습에 필요한 데이터 전처리를 수행합니다. 모델링(model): 모델을 정의합니다. 컴파일(compile): 모델을 생성합니다. 학습 (fit): 모델을 학습시킵니다. 이미지: 데이터 로드 1) load_data()를 통해 train, validation 나눈다. (x_train, y_train), (x_valid, y_valid) = fashion_mnist.load_data() 전처리 1) 이미지 정규화 (Normalization)- 모든 픽셀은 0~255(8bit) x_train = x_train / 255.0 x_valid = x_valid / 255.0 3) Flatten- 2D> 1D x = Flatten(input_shape=(28, 28)) ..
자료구조array, linked list, stack, queue, deque, tree, graph, BST, heap, hash table (r-b tree, trie 몰라도 됨) 알고리즘big-O, sorting, brute force, recursion, iteration, binary search, BFS/DFS, backtracking, divide and conquer, bit manipulation, two pointers, sliding window, dynamic programming (topological sort, union-find, KMP 몰라도 됨) 자료구조는 반드시 개념을 모두 익혀두어야 한다. big-O 개념만 다 익히기 자료구조1. array 여러 개의 값을 순차적으로 저..
https://school.programmers.co.kr/learn/courses/30/lessons/118666?language=python zip() 파이썬의 zip() 내장 함수로 데이터 엮기 >>> numbers = [1, 2, 3] >>> letters = ["A", "B", "C"] >>> for pair in zip(numbers, letters): ... print(pair) ... (1, 'A') (2, 'B') (3, 'C') 위와 같이 zip() 함수를 사용하면 마치 옷의 지퍼를 올리는 것 처럼 양 측에 있는 데이터를 하나씩 차례로 짝을 지어줍니다. 병렬 처리도 가능 >>> for number, upper, lower in zip("12345", "ABCDE", "abcde"): ...
