티스토리

무채색 블로그

검색하기

블로그 홈

무채색 블로그

hyun95-likelion.tistory.com/m

https://github.com/Hyun-Ho95

구독자: 0

방명록 방문하기

주요 글 목록

9주차 TIL 1일차 머신러닝( One-hot encoding, Random Forest ) 실습내용 정리 ✅ 0501실습 머신러닝의 지도학습의 분류를 사용하는 Scikit-learn API 기초와 DecisionTree 실습 => (수치데이터만 사용) ✅ 0502 실습 💡범주형 데이터 => 수치 데이터 (인코딩) 💡One-Hot-Encoding(pd.get_dummies) 💡RandomForest 더보기 🤔loss ❓ 예측값과 실제값(레이블)의 차이 💡손실함수(Loss function)는 예측값과 실제값(레이블)의 차이(loss)를 구하는 기준. => 머신러닝 모델 학습에서 필수 구성요소 => 손실함수로 인해 모델의 성능이 달라짐 이러한 이유로 머신러닝 모델을 구현하는 사람들은 어떠한 손실함수가 최적일지 고민 🤔df["Churn"].value_counts(1) df["Churn"].value_.. 공감수 0 댓글수 0 2023. 3. 13.
8주차 TIL ( Clustering / 상관관계 ) Clustering 1. Clustering ( 클러스터링 : 군집화) ✅ R (Recency), F (Frequemcy), M (MonetaryValue) 2. 로그함수 ✅로그(log)는 지수 함수의 역함수 ✅어떤 수를 표현하기 위해 고정된 밑을 몇 번 곱하여야 하는지를 나타냄 # rfm_cluster log 변환 rfm_cluster_log = np.log(rfm_cluster + 1) rfm_cluster_log.head(2) 💡 log 를 취할 때 왜 1을 더하고 로그를 적용할까 ? => x 값이 1보다 작을 때 마이너스 무한대로 수렴을 하기 때문에 가장 작은 값인 1 더하기 💡 np.log1p(x) = np.log(1+x) ▼ 더보기 💡 💡음수에 로그를 적용하려면 ? 더보기 ✅ Min-max s.. 공감수 0 댓글수 0 2023. 3. 7.
8주차 WIL (Online_Retail 실습 복습) 👨‍💼Key Word 더보기 ✅ MAU 📝"Monthly Active Users*"의 약자 📝 한 달 동안 특정 앱이나 웹사이트를 사용한 총 사용자 수 💡 만약 어떤 앱이 한 달에 1000명의 MAU를 가지고 있다면, 그 앱은 한 달 동안 1000명의 사용자가 앱을 사용한다는 것을 의미 ✅ 요일별 & 월별, 시간대별 구매 빈도수 지표가 중요한 이유 ❓ 📝 중요한 segment(세분화) 📝 특정 시간대나 요일 => 서버 증설 또는 알림 , 프로모션, 광고 등 구매율을 높이기위한 Action Plan 가능 📝 조회수 증가 -> 서비스 개선에 활용 ✅ 리텐션 📝 연도, 월, 일, 주별로 구하기도 함 📝 관점에 따라 주기 변경 💡예시 게임을 오픈했는데 1~2달 정도 되었다면 연도, 월별로 구해서 보더라도 큰 의.. 공감수 0 댓글수 0 2023. 3. 2.
8주차 비즈니스 데이터 분석 👨‍💼 SaaS 대시보드 템플릿 ✅ 오거닉(Organic) : 자연유입 ✅ 취소율(Churn rate) : 이탈률 💡 서비스(비즈니스)의 특징에 따라 봐야하는 지표가 다름! 비즈니스마다 유입인원수가 중요한지 이탈률이 중요한지가 달라짐 회원가입에 집중? 돈을 쓰는 고객에 집중? 신규 고객 유치에 집중? 광고, 프로모션, 오프라인 행사 등 여러가지 마케팅을 실시 구독형 서비스 같은 경우는 이탈률이 굉장한 지표 ✅ 오아시스 쇼핑몰(마켓컬리와 비슷) 시작 : 슈퍼마캣 => 현재 : 유기농 식자재를 싼 가격에 매입(상장 논의중) 👨‍💼 CAC, CPA, CPL CAC(Customer Acquisition Cost) : 고객 확보 비용 CPA(Cost Per Acquisition) : 확보 고객당 비용 CPL(Co.. 공감수 0 댓글수 0 2023. 2. 28.
6주차 Burger 지수 💡 Key World 정리 💡 더보기 ✅ import 정도만 손을 봐도 트래픽비용이 줄어들 수고 있고, 캐시를 어떻게 사용하느냐, 파일 I/O 관리, 데이터베이스 관리 등에 따라 비용이 달라지게 됩니다. => 트래픽을 분석이나 관리해 주는 도구도 있습니다. 인프라에서 발생하는 로그 데이터를 따로 분석 ✅ isin은 정확히 일치해야하기 때문에 ! => str.contains ✅df_b.pivot_table margin =>margins : bool, default False Add all row / columns (e.g. for subtotal / grand totals). 열이나 행을 모두 더한다 ✅pivot_table에서는 value값도 지정해주어야함 !!!! ✅heatmap() => 전체 스케일 비.. 공감수 0 댓글수 0 2023. 2. 9.
6주차 시각화(KOSIS의 산업별 통계) 💡 Key World 정리 💡 더보기 ✅ sns.heatmap() vs df.style.background_gradient() 두 가지의 차이점❗ df.style.background_gradient() => 성질이 다른 각 변수를 각각 비교하고자 할 때 적합 예) 변수에 체중, 키, BMI지수, 콜레스테롤수치 처럼 스케일값이 다르고 성질이 다른 값의 스케일을 비교하고자 할 때 적합 ✅수치 데이터를 분석 => Histogram 데이터 분포 확인 pairplot -> 짝을 지어 볼 수 있음. 상관관계 파악 ✅심슨의 역설(Simpson's paradox) 데이터의 세부 그룹별로 일정한 추세나 경향성이 나타나지만, 전체적으로 보면 그 추세가 사라지거나 반대 방향의 경향성을 나타내는 현상을 의미 ✅패러독스(par.. 공감수 0 댓글수 0 2023. 2. 7.
6주차 Seaborn 📝 실습코드 다시 쳐보면서 막혔거나 기억해야할 것 위주로 📝 💡모든 함수의 모든 기능과 아규먼트를 외울 수 없으니 문서 보는것(Shift + Tab)을 습관화하자 📝 1. 데이터 타입의 변경 '분양가격' 컬럼( 결측치 섞여있음 ) object => int or float # 결측치가 섞여있으면 변환이 제대로 이루어지지 않음. pd.to_numeric(df_last['분양가격'], errors = 'coerce' ) numeric의 docstring을 보니 errors = coerce를 입력해주게 되면 유효하지 않은 문장분석은 전부 NaN(결측값)으로 전환 + # df_last['분양가격'].replace(' ', np.nan).astype(float) #' ' 비어있는 값 있어서 숫자로 바꿔주지 못함 이.. 공감수 0 댓글수 0 2023. 2. 6.
5주차 plotly 📝Plotly 는? 파이썬의 대표적인 인터랙티브 시각화 도구 자바스크립트의 동적인 시각화 기능 seaborn과 사용법 비슷 📝Plotly.express ( = px ) 라이브러리 ✅ px.data.iris() DataFrame형태를 입력으로 넣고, 구성요소만 지정해주면 쉽게 구현이 가능 px.data 제공 데이터셋중 하나인 iris 불러오기 import plotly.express as px import pandas as pd df = px.data.iris() #px.data에서 기본 제공하는 데이터셋 중 하나인 iris(붓꽃) 데이터 fig = px.scatter(df, x="sepal_width", y="sepal_length", color='petal_length') fig.show() ✅ px.d.. 공감수 0 댓글수 1 2023. 2. 5.
5주차 TIL ( Pandas : 시각화 ) ✅실습 파일(.ipynb)과 데이터 파일(.csv)을 같은 경로에 두기! 더보기 ▣ 설치했음에도 불구하고 No Module Not Found 오류가 발생 - 보통 여러 버전의 파이썬 혹은 아나콘다 등이 설치되어 있는데 현재 사용하고 있는 위치가 아닌 다른 위치에 설치되었을 때 이런 오류가 발생 - 보통 오류 메시지에 보면 어느 경로에 없다는 메시지가 나오게 됩니다. 해당 경로에 가서 보면 여러 라이브러리가 설치되어있는 폴더를 볼 수 있는데, 해당 위치에 사용하고자 하는 라이브러리를 다운로드 받아 옮겨주면 보통 import 하면 해결 이번 주 첫 시각화 수업 듣는데 오후에 판다스버전때문에 수업 거의 하나도 못들었다..ㅎㅎㅎ 4시가 넘어가는 시각이어서 망정이지 오전이었으면 진짜 멘탈 날아갈뻔.. 그래서 저녁.. 공감수 0 댓글수 0 2023. 1. 31.
4주차 WIL 이번주는 실습 복습 위주로 혼자 이해하고 처음부터 끝까지 다 지우고 해보느라 따로 작성해 놓은 건 없어서... 키워드 위주로 (+ 설 때 시간내서 이해안되고 다시 보면 좋을 것 같은 부분만 따로 추가로 올리자) ◈ 4주차 ( 1/16~1/19 ) Key Word 더보기 🦁 01/ 16 (TIL 1일차) ■inspect → 네트워크 ● 주로쓰는 기능 1) Fetch/XHR 2) JS 3) DOCS(문서) ■ verify=False ● SSL인증서 확인 과정 생략 ※SSL(Secure Sockets Layer)란? ● 보안 소켓 계층(Secure Sockets Layer, SSL)은 서버와 클라이언트 사이에 암호화된 링크를 구성하기 위한 표준 보안 기술 ■Google Colab (수정 ->모든출력 지우기) .. 공감수 0 댓글수 1 2023. 1. 19.
TIL ②일차 Pandas - pd.read_html을 통해서 테이블 형태의 표를 수집 1) 검색 값 설정 ● (pd.read_html( )의 기능): url, html 소스코드 넣어주면 페이지의 테이블 태그를 읽고 가져와서 리스트 형태로 반환 반환 된 리스트 인덱싱하면 데이터프레임형태 더보기 # 1) URL, HTML 소스코드를 넣어주게 되면 테이블 태그를 찾아서 반환합니다. # 2) URL 을 넣어주면 특정 URL 에 접근해서 HTML 페이지의 table 태그를 읽어옵니다. # 3) HTML 페이지의 table 태그는 로 구성이 됩니다. # 4) 해당 HTML 의 모든 table을 가져와서 리스트 형태로 반환됩니다. # 5) 반횐된 리스트를 인덱싱하게 되면 데이터프레임으로 되어 있습니다. url = 'https:/.. 공감수 0 댓글수 0 2023. 1. 11.
TIL ①-2일차 Pandas - FinanceDataReadr 라이브러리 통해 금융데이터 수집 1) 설치 및 라이브러리 불러오기 더보기 #1. 주석을 풀고 설치해 주세요. 주석을 푸는 방법은 아래 코드의 맨 앞에 있는 #을 지워주시면 됩니다. !pip install -U finance-datareader --------------------------------------------------------------------------------------- Looking in indexes: https://pypi.org/simple, https://us-python.pkg.dev/colab-wheels/public/simple/ Collecting finance-datareader Downloading finance.. 공감수 0 댓글수 0 2023. 1. 10.
TIL ①일차 Pandas 기초 1) Pandas 라이브러리 도입 # 필요한 라이브러리를 로드합니다. # pandas, numpy를 불러옵니다. import pandas as pd import numpy as np 2) 데이터 프레임 생성 # 비어있는 데이터프레임을 생성합니다. df = pd.DataFrame() df 3) 컬럼 추가하기 ①약품명 칼럼: 더보기 # 약품명 시리즈 타입으로 약품명을 만듭니다. # 다음의 리스트를 만들고 약품명이라는 컬럼에 담습니다. df["약품명"] = ["소화제", "감기약", "비타민", "digestive", "Omega3", "오메가3", "vitamin", "Vitamin"] df ②가격 칼럼: 더보기 # 가격 컬럼을 만듭니다. # df["가격"] 이라는 컬럼에 3500 이라는 .. 공감수 0 댓글수 0 2023. 1. 9.
TIL ⑤일차 1.Class -getter, setter ※클래스를 이용한 스타크래프트 퀴즈 예시: 더보기 ● getter, setter ▶객체의 내부 변수에 접근할 때 특정 메서드를 거쳐서 접근할 수 있도록 하는 방법 더보기 음..보다보니까 코드가 이해는 되는데 이렇게 만들라면 좀 어려울듯.... 일단 코드 저장해 놓고 많이 자주 보고 조금씩 따라해 보는 수밖에 없을 것 같다 class Person: def __init__(self, pw): self.hidden_pw = pw @property def pw(self): print('getter') return self.hidden_pw[:2] + '****' @pw.setter def pw(self, new_pw): print('setter') input_pw = .. 공감수 0 댓글수 0 2023. 1. 6.
TIL ④일차 1. Class ● Class : 변수와 함수 묶어 코드 작성하는 방법 ●객체지향 구현하는 문법 -객체지향 : 실제 세계를 모델링하여 프로그램을 개발하는 개발 방법론 (※가장 깔끔한 객체지향언어 JAVA) 협업 용이하게 하기 위함 #함수 사용법 : ▶ 함수선언(코드 작성) > 함수호출(코드실행) #클래스 사용법 : ▶ 클래스선언(코드 작성) > 객체 생성(메모리 사용) > 메서드 실행(코드 실행) 여러 개의 메서드 선언 원하는 메서드만 실행 ▶ 클래스선언(설계도 작성) > 객체 생성(자원 사용) > 메서드 실행(제품 생산 & 기능 사용) #메서드 : 클래스 안에서 선언된 함수는 메서드라고함. 클래스 밖에서 선언된 함수는 함수. 메서드에서 변수는 재료, 함수는 기능 #식별자 컨벤션 ▶ 변수, 함수 : sn.. 공감수 0 댓글수 0 2023. 1. 5.
TIL ③일차 더보기 DAY 3 박두진 강사님 (Python 함수) 1.Lotto 번호 생성기 (1주차 때 했었던 방법과 또 다르다.. 이번방법이랑 전에 했던 방법 둘다 풀어보자) ① randint( )함수이용 #로또번호 출력 # 1~45의 랜덤한 숫자 6개 출력 # 숫자 6개 중복 x --------------------------------------------------------------------------- import random lotto = [] while True: random_number = random.randint(1,45) # randint = 복원추출. 값중복 될수도 있음. lotto.append(random_number) if len(lotto) >= 6: break lotto.sort(.. 공감수 0 댓글수 0 2023. 1. 4.
②일차 Quiz - 윤년, Fizzbuzz, left-shift ① 윤년일까 아닐까? # Quiz 1. 년도를 입력받아 윤년이면 True, 아니면 False 출력하는 코드 작성 # 4년에 한번씩 윤년 O # 100년에 한번씩 윤년 X # 400년에 한번씩 윤년 O year = 2008 # True year = 1900 # False year = 2000 # True ② fizzbuzz # Quiz 2. fizzbuzz # 3의 배수 : fizz, 5의배수 : buzz, 3과 5의 배수 : fizzbuzz 출력 # 위의 조건에 해당하지 않으면 data 출력 data = 17 ③ left-shift data = 'abcde' shift = 3 # deabc 이건 좀 고민해 봐야 될듯..? 공감수 0 댓글수 0 2023. 1. 3.
②일차 Quiz - 아이폰과 아이패드 Conditional Probability(조건부 확률) 사건 A가 발생했다는 조건에 사건 B가 발생할 확률 사건 A가 발생했을때 사건 B의 조건부 확률 P(B|A)=P(B∩A)P(A) 특징 P(B|A)≠P(A|B) P(A∩B)=P(B)P(A|B)=P(A)P(B|A) P(A|B)=P(A∩B)P(B)=P(A)P(B|A)P(B) 사건 B가 발생했을때 사건 A가 발생할 확률을 사건 A가 발생했을때 사건 B가 발생할 확률로 알아낼수 있다. P(B|A) 로 P(A|B) 를 알아낼수 있다. Examples A를 구매한 사람에게 B를 구매하라고 추천하는게 좋을까? P(A)=0.7,P(B)=0.6,P(A∩B)=0.5 A를 구매한 사람이 B를 구매할 확률 : P(B|A)=P(A∩B)P(A) = 0.50.7=0.714 B.. 공감수 0 댓글수 0 2023. 1. 3.
TIL ②일차 Day 2(박두진 강사님 - Python 명령문,연산자 등등) ※ f'{ } or f"{ } -string : 문자열 포매팅 방법. 형이 다른 데이터들을 통일하여 출력 가능 1) 문자열 맨 앞에 (따옴표 앞) f를 붙인다. 2) 사용하고 싶은 변수, 값을 중괄호 안에 넣는다. 3) 따옴표로 닫아 준다. 1. Day 1 수업 간단 Summary 2. tuple의 특징 : tuple 데이터 타입은 여러개의 식별자로 받을 수 있다. 3. dir 함수와 help 함수 dir 함수 : 함수의 하위함수(하위항목)들을 보여준다. help 함수 : ( ) 안에 모르는 함수 입력 시 함수 내용 설명 ※데이터 규모에 따른 스킬 및 프로그램 # 데이터 규모에 따른 스킬들 # 엑셀 : 사용 간편 : 데이터 100만개 : 만들.. 공감수 0 댓글수 2 2023. 1. 3.
TIL ①일차 Day 1 (박두진 강사님 - Python 문법) 1.Python의 개요 ●Computer : 계산 수행 기계 ●Computer Structure -중앙처리장치 : CPU -주기억장치 : RAM -보조기억장치 : SSD(하드디스크) ●Operating System(OS) -CPU,RAM,SSD를 컨트롤하는 소프트웨어 ●Programming -OS에서 CPU,RAM,SSD 사용하여 컴퓨터에게 연산과제 수행하게 하는 절차 및 방법 -컴퓨터와 의사소통 수단 ●Compiler -Code -> Binary -컴파일러 언어 : 속도빠름, Compile 파일 필요(Build 과정 필요) -인터프리터 언어 : 속도느림, Compule파일 없이 코드실행(ex Python) 2.Python의 특징 ●플랫폼에 독립적 -어떠.. 공감수 0 댓글수 0 2023. 1. 2.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.