분류 전체보기(14843)
-
NumPy Reference, NumPy Manual
NumPy Reference 금융, 선형대수학 등 다양한 분야의 함수를 확인할 수 있습니다. https://docs.scipy.org/doc/numpy-1.13.0/reference/ NumPy Manual https://docs.scipy.org/doc/numpy/index.html
-
4.Summary - 4. 자율모델 적용하기
K-평균 클러스터링 절차
-
createDataPartition()
createDataPartition() · {caret} 패키지의 함수입니다. · 데이터를 훈련 데이터와 테스트 데이터로 분할하여 훈련 데이터로 사용할 데이터의 색인을 list로 반환합니다. 인자 설명 y 분류(또는 레이블) times=1 생성할 분할의 수 p=0.5 훈련 데이터에서 사용할 데이터의 비율 list=TRUE 결과를 리스트로 반환할지 여부 > # 종에 관련된 데이터로 구성 > # 훈련 데이터와 테스트 데이터로 분할하여 훈련 데이터로 사용할 데이터의 색인을 list로 반환 > # 비율은 p=0.7로 70%로 지정 > ss > ss $Resample1 [1] 1 3 4 5 6 7 10 11 12 14 15 16 17 19 20 21 [17] 23 24 25 27 29 31 32 33 34 36 ..
-
리스트 슬라이싱(Slicing)
리스트 슬라이싱(Slicing)· 전체 리스트에서 일부 요소들을 선택하기 위하여 슬라이스(Slice)를 사용합니다.· 슬라이스는 인덱스 표현으로 부분집합의 범위를 지정합니다.· 인덱스는 0 부터 시작하며, 마지막 인덱스는 원하는 "마지막 요소의 인덱스 + 1"을 의미합니다.(마지막인덱스의 요소는 포함되지 않습니다.)· 처음인덱스가 생략되면 0 부터 시작되며, 마지막 인덱스가 생략되면, 리스트의 끝까지 포함하게 됩니다.
-
평활(smoothing)
평활(smoothing) 데이터 집합에 존재하는 잡음으로 인해 거칠게 분포된 데이터를 매끄럽게 만드는 방법입니다.
-
2.Summary - 2. 데이터 세트 분할하기
R 코드 예시 - 데이터 분할{caret} Package로 createDataPartition()함수를 사용하여 iris data를 Species 기준으로 70%는 훈련용 데이터로 나머지 30%는 검증용 데이터로 데이터셋을 분할하고 검증하는 R Code 예시입니다.