일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- 공개서적
- 나는 어디로?
- 라이브러리 vs 패키지
- 오피스텔투자
- 가장 인기있는 파이썬 패키지
- 종합과세
- robux
- 상업시설용지 분양
- 가장 많이 사용되는 파이썬 패키지
- 종합소득세
- chatgpt vs bard
- Google vs OpenAI
- 가장 인기있는 파이썬 라이브러리
- 가장 많이 사용되는 파이썬 라이브러리
- 데이터 리터러시
- 갤럭시탭 with Pen
- PostgreSQL
- bard 100% 신뢰금지
- 파이썬 TypeError
- chatgpt 100% 신뢰금지
- 전세보증보험
- 소형주택 세액감면
- 주상복합용지 분양
- 다주택임대
- 주택임대사업자
- 2룸 오피스텔 투자
- 오라클 데이터베이스 내장함수
- 임대소득외 추가소득이 있을 경우
- Python
- Google vs MicorSoft
목록IT/인공지능(AI) (3)
All thing of the world!
앞으로 직장 내의 데이터 리터러시(Data Literacy) 능력이 점점 더 강조될 것으로 보입니다. 데이터 리터러시란 무엇인가요? 리터러시(literacy)는 글을 읽고 해독하는 능력을 뜻합니다. 데이터 리터러시는 데이터를 읽고 그 데이터를 해독하는 능력 또는 그 안에 숨겨진 의미를 파악하는 데이터 해독능력을 말합니다. 데이터 분석, 인공지능(머신러닝/딥러닝)의 대중화 데이터 리터러시 능력은 이제 특정 직군(데이터 분석가, 데이터 사이언티스트)의 전유물이 아닌 어떤 직군의 직장인도 필수 업무스킬로 장착해야 하는 시대가 도래하고 있습니다. 이는 데이터 분석 환경이 점점 더 활용하기 쉬운 방향으로 발전되고 있고, 점점 더 데이터를 미래 수익을 위한 원천으로 보기 때문에 일어나는 필연적인 현상이라 볼 수 있..
사이킷런(scikit-learn) KNeighborsClassifier 사용 방법 위주로 정리합니다. ▶ KNeighborsClassifier는 k-최근접 이웃 분류 모델을 만드는 사이킷런(scikit-learn) 클래스 Parameter - n_neighbors : 이웃의 갯수를 지정 (기본값 5) - p : 거래를 재는 방법, 1은 맨해튼 거리, 2는 - 유클리디안 거리(기본값 2) - n_jobs : CPU 코어 지정 (기본값 1, -1은 모든 CPU 코어 사용) Method - fit() : 모델을 데이터로 훈련시킴 - predict() : 모델을 데이터로 훈련하고 예측함 (주어진 값을 가지고 모델이 판단) - score() : 훈련된 모델의 신뢰도 측정 - kneighbors() : 입력한 데이..
머신러닝에 활용되는 사이킷런(scikit-lean) 패키지의 fit 메서드(method) 설명입니다. 스크립트는 파이썬 스크립트 입니다. 훈련 데이터가 준비되었다면, 머신러닝의 목적에 맞게 훈련을 시켜야 하는데요. "훈련하라"에 해당하는게 fit입니다. 사용법 import sklearn.neighbors import KNeighborsClassifier kn = KNeighborsClassifier() kn.fit($input, $target) 1번째 줄은 사이킷런 패키지에서 k-최근접 이웃 알고리즘 클래스인 KNeighborsClassifier를 임포트하여 사용하겠다. 2번째 줄은 KNeighborsClassifier 클래스를 kn 객체로 만들어 사용하겠다. 3번째 줄은 KNeighborsClassif..