Development(7985)
-
summary() 함수의 결과 해석 - 데이터
summary() 함수의 결과 - 데이터 > summary(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 setosa :50 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 versicolor:50 Median :5.800 Median :3.000 Median :4.350 Median :1.300 virginica :50 Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.80..
-
강화 학습(RL; Reinforcement Learning)
강화 학습(RL; Reinforcement Learning) · 현재의 상황(상태; State)을 보고 어떤 행동(Action)을 하면 어떤 보상(Reward)을 받을지 예측하여 좋은(Positive) 보상을 받는 쪽으로 행동하는 학습 방법입니다. · 자신과 환경과의 상호 관계에 따라 자신의 행동을 개선해 나가는 학습법, 어떤 환경에서 보상을 최대로 하는 행동을 선택하는 방법입니다. · 강화라는 말을 사용한 이유는 상과 벌이라는 보상을 통해 '현재의 행위의 그 방향'으로 혹은 '반대방향'으로 그 행위를 강화하는 학습 방법으로, 상을 최대한 많이 받을 수 있는 방향으로 학습하는 방법입니다. · 입력에 대한 출력과 점수를 통해 학습합니다. 학습에 의해 답이 정해지는 것이 아니라 모르는 환경에서 보상 값(Re..
-
재현율(Recall) & 정밀도(Precision) 예시
재현율(Recall) & 정밀도(Precision) 예시 재현율(Recall) 계산 지표 계산값 재현율(Recall) = 민감도(Sensitivity) = TPR 5/8=0.625 정밀도 (Precision) 5/7=0.7143 정밀도(Precision) 계산 지표 계산값 재현율(Recall) = 민감도(Sensitivity) = TPR 5/8=0.625 정밀도 (Precision) 5/7=0.7143
-
sort_values()
sort_values() 데이터를 정렬해 줍니다. DataFrame.sort_values(self, by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last') parameter description by 정렬 기준 axis 행, 열 여부 value description axis=0 행처리 (index) axis=1 열처리 (columns) ascending 순차정렬 여부 value description ascending=True 순차정렬(ascending) ascending=False 역순정렬(descending) http://bit.ly/2RQVmp5
-
DataFrame 객체 생성
DataFrame 객체 생성 · 열로 지정 될 데이터를 리스트나 일차원 배열로 선언합니다. · 각각의 열에 대한 이름(라벨)을 키(key)로 가지는 딕셔너리를 생성합니다. · 생성된 딕셔너리 데이터를 DataFrame 클래스 생성자에 인자로 설정합니다. · 동시에 열방향 인덱스는 columns 인수로, 행방향 인덱스는 index 인수로 지정합니다.
-
시리즈의 데이터 갱신, 추가, 삭제
시리즈의 데이터 갱신, 추가, 삭제인덱싱(indexing)을 이용하면 딕셔너리처럼 데이터를 갱신(update)하거나 추가(add), 삭제(del)할 수 있습니다.