Blog

시사경제에 문외한이었던 나.. 뉴닉과 머니레터를 구독하면서 어느정도 세상 돌아가는 상황을 알아가는 것 같다. 매경이 전하는 메시지도 보는데, 유용하긴 한데..논조가 마음에 안든다. 아무튼 4월 중순에 구독을 시작해서 지금까지 한번도 안빠지고 꾸준히 보고 있다. 셀프칭찬 ! 출근길에 보면서 모르는 용어들은 따로 정리한다. 지식이 쌓이는 기분 ! (근데 말로 설명하라고 하면 못할듯-_-;) 시사경제를 알고 싶은데 직접 찾아보긴 귀찮은 분들께 뉴닉과 머니레터 강추합니다 ! 뉴닉은 매주 월수금, 머니레터는 매일 메일로 받아 볼 수 있다. 특히 머니레터는 이름에서부터 알 수 있듯이 돈을 벌고 싶은(?) 사람들을 위한 컨텐츠여서, 특정 뉴스를 투자와 연관지어 생각할 수 있게 해준다. ＊뉴닉 구독 뉴닉 NEWNEEK..

최근에 내가 정말 즐겨했던 게임인 알투비트가 다시 출시된다는 얘기를 들었다. 넘나 기쁜 것 ㅠㅠㅠㅠㅠ 예정대로 올 여름에 꼭 나왔으면 좋겠다 ! 고등학교 시절 미쳐서 했던 게임... 학교 끝나고 집에 오면 바로 컴퓨터 켜고 자기 전까지 내내 알투비트를 했던 기억이... 덕분에 성적은 쭉쭉 떨어졌고...^^ 알투비트가 아니었으면 대학이 달라지지 않았을까 하는 생각을 한다. 씁쓸하네 :( 아무튼 서비스 종료 이후에도 싱글 알투비트를 몇번 했었는데, 역시 오리지널(?)을 이길 수 없는게 알투비트는 팀전이 꿀잼 ! 그리고 캐릭터가 넘나 예뻐서 꾸미는 재미도 컸다. 그때는 판정 잘 나오는 사람들과 유명 써클원들 닉네임 맞춘게 왜그리 부러웠는지 ㅋㅋㅋㅋㅋ 갑자기 예전에 써클 정모? 갔던게 기억난다 ㅋㅋㅋㅋㅋㅋㅋㅋㅋ..

패키지 불러오기¶ In [1]: %matplotlib inline from IPython.display import display import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn 5.3 평가 지표와 측정¶ 분류에서의 평가 지표: 정확도 회귀에서의 평가 지표: R² 5.3.2 이진 분류의 평가 지표¶ 한 클래스가 다른 클래스보다 훨씬 많은 불균형 데이터셋에서는 정확도가 평가 지표로 적절하지 않음 digits 데이터셋을 사용하여 숫자 9를 다른 숫자와 구분해서 9:1의 불균형한 데이터셋 만들기¶ In [2]: from sklearn.datasets import load_digits from sklearn..

분류 성능 평가 지표－오차행렬 (Confusion Matrix) 행렬 요소의 Negative, Positive는 예측 입장 ! Precision(정밀도)모델이 True라고 분류한 것 중에서 실제 True인 것의 비율 $$(Precision) = \frac{TP}{TP + FP}$$ → 양성 예측의 정확도 Recall(재현율)실제 True인 것 중에서 모델이 True라고 예측한 것의 비율 = Sensitivity(민감도), True Positive Rate(TPR) $$(Recall) = \frac{TP}{TP + FN}$$ 즉, Precision이나 Recall은 모두 실제 True인 정답을 모델이 True라고 예측한 경우에 관심이 있으나, 바라보고자 하는 관점만 다릅니다. Precision은 모델의 입..

패키지 불러오기¶ In [1]: %matplotlib inline from IPython.display import display import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn 5.2 그리드 서치(grid search)¶ 관심있는 매개변수들을 대상으로 가능한 모든 조합 시도 매개변수를 튜닝하여 모델의 일반화 성능 개선 목적 5.2.1 간단한 그리드 서치¶ In [2]: from sklearn.svm import SVC from sklearn.model_selection import train_test_split from sklearn.datasets import load_iris iris = loa..

패키지 불러오기¶ In [1]: %matplotlib inline from IPython.display import display import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn CHAPTER 5 모델 평가와 성능 향상¶모델 평가 과정¶ In [2]: from sklearn.datasets import make_blobs from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split # 인위적인 데이터셋 만들기 X, y = make_blobs(random_state=0) # 데..

In [1]: # 티스토리 관련 설정 from IPython.core.display import display, HTML display(HTML("")) 패키지 불러오기¶ In [2]: %matplotlib inline from IPython.display import display import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn 4.8 전문가 지식 활용¶날짜(시간, 요일)를 이용하여 특정 장소의 자전거 대여 횟수 예측¶ In [3]: # 데이터 읽기: 2015년 8월의 3시간 간격 데이터 citibike = mglearn.datasets.load_citibike() print('시티 바이크 ..

In [1]: # 티스토리 관련 설정 from IPython.core.display import display, HTML display(HTML("")) 패키지 불러오기¶ In [2]: %matplotlib inline from IPython.display import display import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn 4.7 특성 자동 선택¶ 데이터를 Training set와 Test set로 나눈 후 Training data만 특성 선택에 사용해야함 타겟도 필요 -> 지도 학습 1) 일변량 통계(Univariate statistics)¶ 개개의 특성과 타겟 사이에 중요한 통계적 관계가 ..