matplotlib - pyplot 객체를 사용하여 데이터를 표시 - pyplot 객체에 그래프들을 쌓은 다음 show로 flush - 최대 단점 : argument를 kwargs 받아서 고정된 argument가 없어서 alt + tab으로 확인이 어려움 - Graph는 원래 figure 객체에 생성됨 - pyplot 객체 사용시, 기본 figure에 그래프가 그려짐 figure라는 그림판안에 또 다른 그림판 만들수 있음. 여러개 그림판 그릴 수 있음! > Set color - color 속성을 사용 - Float -> 흑백, rgb, color, predefined color 사용 > Set linstyle - ls 또는 linestyle 속성 사용. c = 가 아니라 color 라고 해도 됌 >Set..

>확률분포는 데이터의 초상화 - 데이터 공간을 X x Y 라 표기하고 D는 데이터 공간에서 데이터를 추출하는 분포입니다. - 데이터는 확률변수로 (x,y) ~ D라 표기 -결합분포 P(x,y)는 D를 모델링합니다. - P(x)는 입력 x에 대한 주변 확률 분포로 y에 대한 정보를 주진 않습니다. - 조건부확률분포 P(x|y)는 데이터 공간에서 입력 x와 출력 y 사이의 관계를 모델링합니다. < P(..

Groupby - SQL groupby 명령어와 같음 - split → apply → combine 과정을 거쳐 연산 df.groupby("Team")["Points"].sum() - 한 개이상의 column을 묶을 수 있음. df.groupby([ "Team", "Year"] )["Points"].sum( ) Hierarchical index - Groupby 명령의 결과물도 결국은 dataframe - 두 개의 column으로 groupby를 할 경우, index가 두개 생성됩니다. h_index.unstack() ★ - Group으로 묶여진 데이터를 matrix형태로 전환해줍니다. > swaplevel - Index level을 변경할 수 있음 > operations - Index level 기준으..

선형모델은 단순한 데이터를 해석할 때는 유용하지만 분류문제나 좀 더 복잡한 패턴의 문제를 풀 때는 예측성공률이 높지 않습니다. 이를 개선하기 위해 비선형 모델인 신경망이 등장하였습니다. 신경망의 구조와 내부에서 사용되는 softmax, 활성함수, 역전파 알고리즘에 대해 이해하도록 합니다. 딥러닝은 여러 층의 선형모델과 활성함수에 대한 합성함수로 볼 수 있으며, 이 합성함수의 그래디언트를 계산하기 위해서 연쇄법칙을 적용한 역전파 알고리즘을 사용합니다. > 소프트맥스 연산 소프트맥스(Softmax) 함수는 모델의 출력을 확률로 해석할 수 있게 변환해 주는 연산. 분류 문제를 풀 때 선형모델과 소프트맥스 함수를 결합하여 예측합니다. < softmax 함수를 통해 특정 백터를 확률 벡터로 변환할 수 있습니다. ..

Pandas 구조화된 데이터의 처리를 지원하는 Python 라이브러리 Python 계의 엑셀 - 고성능 Array 계산 라이브러리인 Numpy와 통합하여, 강력한 "스프레드시트"처리 기능을 제공 - 인덱싱, 연상용 함수, 전처리 함수 등을 제공 DataFrame(raw_data, columns = ['age', 'city']) : column 을 선택할 수 있음.( 시리즈를 선택할 수 있음 ) df.loc[1] : location이라고 시리즈의 인덱스 df['age'].iloc[1:] 이렇게 시리즈를 가져오고 거기에서 인덱스를 뽑을 수 있음 loc : index location ( index 이름 ) iloc : index position ( index number ) df.debt = df.age > ..

> 미분? - 미분(differentiation)은 변수의 움직임에 따른 함수값의 변화를 측정하기 위한 도구로 최적화에서 제일 많이 사용하는 기법. 미분은 변화율의 극한(limit)로 정의합니다. 미분을 손으로 계산하려면 일일이 h -> 0 극한을 계산해야 합니다. 파이썬에선 sympy.diff를 통해 미분을 계산할 수 있습니다. > 미분을 사용하여 - 미분은 함수 f의 주어진 점 (x,f(x))에서의 접선의 기울기를 구합니다. 미분을 계산하려면 함수의 모양이 매끄러워야합니다.(연속이여야 합니다.) - 한 점에서 접선의 기울기를 알면 어느 방향으로 점을 움직여야 함수값이 증가/감소 하는지 알 수 있다. 증가시키고 싶다면 미분값을 더하고, 감소시키고 싶다면 미분값을 빼면 됩니다. ( x에 다가 ) - 미분..

> 행렬이란? - 행렬(matrix)은 벡터를 원소로 가지는 2차원 배열. numpy 에서는 행(row)이 기본 단위입니다. - 행렬은 행(row)와 열(column)이라는 인덱스(index)를 가집니다. - 행렬의 특정 행(열)을 고정하면 행(열)벡터라 부릅니다. 전치 행렬(transpose matrix)은 행과 열의 인덱스가 바뀐 행렬을 말합니다. > 행렬의 이해 - 벡터가 공간에서 한 점을 의미한다면 행렬은 여러 점들을 나타냅니다. - 행렬의 행벡터 xi는 i번째 데이터를 의미합니다. - 행렬의 xij는 i번째 데이터의 j번째 변수의 값을 말합니다. 행렬끼리 같은 모양일시 덧셈, 뺄셈, 성분곱, 스칼라곱 가능. 행렬의 곱셈 - 행렬의 곱셈은 i번째 행벡터와 j번째 열벡터 사이의 내적을 성분으로 가지..

> 벡터란? 벡터는 숫자를 원소로 가지는 리스트 또는 배열입니다. x = [ 1, 7, 2 ] x = np.array([1, 7, 2]) 벡터는 공간에서 한 점을 나타냅니다. 벡터는 다차원에서 존재합니다. 벡터는 원점으로부터 상대적 위치를 표현합니다. 벡터에 숫자를 곱하면 길이만 변화합니다. 이를 스칼라곱이라 부릅니다. d = 차원 a = 스칼라 ax = [ax1, ax2, ax3 ..... axd] - 벡터는 숫자를 원소로 가지는 리스트 또는 배열입니다. - 벡터끼리 같은 모양을 가지면 덧셈, 뺄셈, 성분곱을 할 수 있습니다. ( 넘파이는 같은 모양끼리만 가능합니다. ) > 벡터의 노름(norm) - 원점에서부터의 거리를 말합니다. - L1- 노름은 각 성분의 변화량의 절대값을 모두 더합니다. - L2..