이번에는 KnKNeighborsRegressor Analysis 해볼 것이다. 코드를 통해서 확인해 보자 . import scipy as sp import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn from sklearn.model_selection import train_test_split # from sklearn.neighbors import KNeighborsClassifier from sklearn.neighbors import KNeighborsRegressor --> 먼저 필요한 library를 로딩한다 . X, y = mglearn.datasets.make_wave(n_samples=40) #..

K-NN 분류기와 KNeighborsClassifier analysis를 코드를 통해서 어떠한 결과값이 나오고 , 어떻게 나오는지 자세히 알아볼 것이다 . 코드를 통해서 확인해 보자 . import mglearn import matplotlib.pyplot as plt --> mglearn과 matplotlib를 import를 한다 . 그래프 , 시각화 라이브러이다. # Forge 데이터를 사용해서 , mglearn을 사용해 본다 . # 여기서 mglearn이란 : 그래프나 데이터 적재와 관련한 세세한 코드를 일일이 쓰지 않아도 # 되게끔 해준다. # 간단하게 그림을 그리거나 필요한 데이터를 바로 불러들이기 위해서 사용한다 . X, y = mglearn.datasets.make_forge() 먼저 , f..

먼저 , 위와 같은 도표가 있다고 하자 . 보면 , 화장실 , 평수 , 위치 , 가격 순서대로 있다는것을 알 수 있다. 그리고 무엇이 생각나는가..? 지도학습은 , 기존의 데이터를 가지고 데이터를 예측해 보는 것인데 화장실 , 평수 , 위치를 기반으로 지도학습을 하여서 회귀를 통한 가격을 예측해 볼 수 있을까? 라는 의문점을 남긴다. 먼저 간단하게 개념정리를 해본다. 매개변수 à y =ax+b à a,b를 찾는 것 è 매개변수를 찾는 것 : 모델링 하이퍼 파라미터 à 일반화 = 최적화 , 사용자가 값을 조정하는 것 è 가중치 : 어떠한 것에 영향을 어느정도 미치는 가에 따라서 è 가중치를 줄 때 , 하이퍼 파라미터를 사용하며 , 위의 도표를 통해서 , 가격을 예측한다고 했을 때 화장실, 평수, 위치에 따..

프로젝트 통합 관리 ...더보기 1. 모든 프로젝트 관리 프로세스 그룹에 속하는 다양한 프로세스들과 프로젝트 관리 활동들을 식별하고 , 정의하며 , 결합하고 , 통합하며 , 조정하기 위한 프로세스 및 활동 2. 통합은 단일화 , 합병 , 명확한 표현 , 프로젝트의 완성에 결정적인 통합적 행동들 , 이해관계자의 기대에 대한 성공적인 관리 , 요구사항 충족시키기 등의 특성들을 포함한다. 3. 자원 배분에 대한 선택을 하고 , 상중되는 목적과 대안들 간의 절충을 하고 , 프로젝트 관리 지식 영역들 간의 상호의존성을 관리하는 것이 수반된다. 4. 필요성은 개별적 프로세스들이 상호작용하는 상황에서 분명해진다. 프로젝트 관리 팀에 의해서 수행되는 활동 ...더보기 1. 범위를 분석하고 이해하기 2. 식별된 정보를 ..

코드를 통해서 알아본다 . import scipy as sp import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn mglearn.plots.plot_knn_regression(n_neighbors=1) mglearn.plots.plot_knn_regression(n_neighbors=3) plt.show() 결과값

코드를 통해서 알아본다 . from sklearn.datasets import load_breast_cancer from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier import sklearn.datasets import scipy as sp import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn cancer = load_breast_cancer() X_train, X_test, y_train, y_test = train_test_split(cancer.data, cancer...