Development/Big Data, R, ...(885)
-
퍼셉트론 한계점 2
퍼셉트론 한계점 2 · XOR 분류 해결 불가능합니다. XOR을 학습할 수 없습니다. (XOR problem) · 퍼셉트론의 한계를 해결한 것이 Multi-layer Perceptron입니다.
-
메달 현황 그래프 그리기
메달 현황 그래프 그리기 나라별 메달 그래프를 시각화 코드 예시입니다. # 작업폴더 지정 > olympic # 데이터 확인 > olympic$대한민국 [1] 9 3 9 > > olympic$이탈리아 [1] 8 12 8 > # 나라별 바그래프 출력 > barplot(olympic$일본) > > olympic 미국 영국 중국 러시아 독일 일본 프랑스 대한민국 이탈리아 호주 1 46 27 26 19 17 12 10 9 8 8 2 37 23 18 18 10 8 18 3 12 11 3 38 17 26 19 15 21 14 9 8 10 > # 모든 나라의 바 그래프 출력 # ylim=c(0,50) : y축이 최대값이 46이므로 ㅇ를 표현하기 위해 50으로 값 설정 > legend(35,40,c("금","은","동"..
-
1.Summary - 1. 분석 결과 스토리텔링 하기
사용자별 시각화 이용 내용(예시) 구분 사용자 이용 데이터 및 정보 스토리보드에서 데이터 표시 수준 이용 시나리오 내부 1. 임원 : CEO, CIO, CFO 등 판매 실적 데이터 회사 전체 : 상위 수준 데이터 임원은 OOO 에 대한 연도별 ~ 내부 2. 그룹별 관리자 - - - ~ ~ ~ ~ ~ 외부 7. 고객 구매 데이터 하위 수준 데이터(세부 항목) 사용자는 OOO 에 대한 구매 ~ ~ ~ ~ ~ ~
-
대푯값
대푯값 · 주어진 자료를 대표하는 특정 값 · 어떤 값들의 집합의 적절한 특징을 나타내거나 요약한 것 · 통계 집단의 자료값 전체를 하나의 수치로 표현할 수 있는 값 · 자료의 중심적인 경향이나 자료 분포의 중심의 위치를 나타내는 지료 · 일반적으로 평균(Mean), 중앙값(중위수; Median), 최빈값(Mode)을 대푯값으로 사용합니다. http://bit.ly/2QyzD3p
-
수치형 데이터 vs 범주형 데이터 - 양적 자료(quantitative data) vs 질적자료(qualitative data)
수치형 데이터 vs 범주형 데이터
-
민감도(Sensitivity) & 특이도(Specificity) 예시
민감도(Sensitivity) & 특이도(Specificity) 예시 민감도(Sensitivity) 계산 지표 계산값 민감도(Sensitivity) = TPR 5/8=0.625 특이도(Specificity) = 1-FPR FPR: 2/7=0.2857 1-2/7=0.7143 특이도(Specificity) 계산 지표 계산값 민감도(Sensitivity) = TPR 5/8=0.625 특이도(Specificity) = 1-FPR FPR: 2/7=0.2857 1-2/7=0.7143