먼저, Steamspy_api를 사용해서 필요한 데이터를 모아보겠다. 코드를 통해서 Steamspy_data를 어떻게 얻어 오는지 알아본다. import urllib.parse import requests import pandas as pd # Steamspy API Get main_api = "http://steamspy.com/api.php?request=tag&tag" Searching_tags = "http://steamspy.com/api.php?request=appdetails&appid=" 필요한 library와 두개의 api를 사용해서 필요한 데이터를 얻어올 것이다. Userinput = ['SINGLE', 'MULTI', 'COOP', 'MMO', 'ISFREE', 'FREETOPLAY'..
Steam_game Data를 가지고, 지도학습 프로젝트를 하나 해볼려고한다. Data는 Steamspy_api를 사용해서 모을 것이고 부족하다고 싶어서 Metacritic에서 game에 대한평가or평가점수를 가져올려고 한다. 예측하고자 하는 Y값은 Price,Game_name이다. 첫 번째로 예측할 것은 Price이다. price를 예측할 때, X값은 game에 해당하는 positive,negative의 숫자형 자료인데, X값이 부족하다고 생각이 들어서, Metacritic에서 game에 해당하는 Metacritic의 전문가 점수와, User의 점수를 가져올 생각이다. 더 나아가서 , initialprice 와 price의 점수를 비교해서 , 어떠한 속성이 이 가격의 변동을 불러왔는지도 예측하고싶다. ..
소프트웨어 프로젝트 관리를 효과적으로 수행 하는데 필요한 3P와 거리가 먼 것은? ① PROBLEM ② PROCESS ③ PASSING ④ PEOPLE 소프트웨어 품질 측정에 위해 개발자 관점에 서 고려해야 할 항목으로 가장 거리가 먼 것은? ① 정확성 ② 무결성 ③ 간결성 ④ 일관성 소프트웨어 개발에서 요구상항 분석 (Requirements Analysis)과 거리가 먼 것은? ① 비용과 일정에 대한 제약설정 ② 타당성 조사 ③ 요구사항 정의 문서화 ④ 설계 명세서 작성 Gantt chart에 포함되지 않는 사항은? ① 이정표 ② 작업일정 ③ 작업기간 ④ 주요 작업경로 효과적인 프로젝트 관리를 위한 3P를 옳게 나 열한 것은? ① People, Priority, Problem ② People, Prob..
프로젝트 범위 관리 프로젝트 범위 관리 프로세스들 1. 범위 관리 계획을 개발하기 ( 계획 ) 어떻게 프로젝트 범위가 정의되고, 확인되며, 통제될 것인가를 서술하는 범위 관리 계획을 생성한다 è 산출물 : 범위 관리 계획 ,요구사항 관리 계획 è 도구 및 기법 : 전문가 판단, 회의 è 투입물 : 프로젝트 관리 계획, 프로젝트 헌장, 기업 환경 요소, 조직 프로세스 자산 2. 요구사항을 수집하기 ( 계획 ) 프로젝트 목표를 충족시키기 위해서 이해관계자들의 필요를 정의하고 기록한다. è 산출물 : 요구사항 문서, 요구사항 관리 계획, 요구사항 추적 행렬 è 도구 및 기법 : 인터뷰, 포커스 그룹, 촉진된 워크숍, 집단 창의성 기법, 집단적 의사결정 기법들, 설문지와 서베이, 관찰, 프로토타입 è 투입물 :..
프로젝트 의사소통 관리 프로세스들 1. 프로젝트 이해관계자 관리 : 프로젝트에 영향을 주거나 또는 프로젝트에 의해서 영향을 받을 수 있는 사람이나 그룹 또는 조직을 식별 2. 이해관계자들의 기대와 프로젝트에 대한 영향을 분석 3. 이해관계자들을 프로젝트 의사결정과 집행에 효과적으로 참여시키기 위한 적절한 관리 전략을 개발하기 위해서 필요한 프로세스들을 포함 4. 이해관계자들과 그들의 필요와 기대를 이해하기 위해서, 지속적으로 의사소통하고, 이슈들이 발생함에 따라서 적극적으로 대처하며 상중하는 이해관계를 관리하고, 프로젝트 의사결정과 활동들에 적절한 이해관계자 참여를 촉진하는 것에 초점을 맞춘다. ㄱ. 이해관계자를 파악하기(denify stakeholders) : 초기화 è 해당 프로젝트에 영향을 주거나 ..
나이브 베이즈 ( naive bayes ) 분류기는 앞에서 설명한 선형 모델과 매우 유사하다. LogisticRegression 이나 LinearSVC 같은 선형 분류기보다 훈련 속도가 빠른 편이지만 , 그 대신 일반화 성능이 조금 느리다. 나이브 베이즈 분류기가 효과적인 이유는 각 특성을 개별로 취급해 파라미터를 학습하고 , 각 특성에서 클래스별 통계를 단순하게 취합하기 때문이다 . scikit-learn에 구현된 나이브 베이즈 분류기는 GaussianNB , BernoulliNB , MultinomialNB 이렇게 세가지이다. GaussianNB는 연속적인 어떤 데이터에도 적용할 수 있고 BernoulliNB는 이진 데이터 MultinomialNB는 카운트 데이터 ( 특성이 어떤 것을 헤아린 정수 카..