Be Brave, Be Humble

Scikit-Learn https://scikit-learn.org/stable/ In [ ]: import matplotlib.pyplot as plt import numpy as np import pandas as pd 특징 가장 유명한 머신러닝 알고리즘 다양한 머신러닝 알고리즘을 효율적으로 구현하여 제공 서로 다른 알고리즘에 동일한 인터페이스 제공 numpy, padas등 다른 라이브러리와 높은 호환성 알고리즘은 Classifier와 Regressor로 구성됨 입력 특징 행렬 알고리즘의 입력으로 주로 변수명을 X_train, X_test로 코딩하고 항상 (N,D)가 되는 행렬 대상 배열 지도 학습에서 알고리즘의 예측 대상으로 주로 y_train, y_test로 코딩하고 항상 (N,)인 벡터 In [..

In [2]: import numpy as np import matplotlib.pyplot as plt import pandas as pd # numpy 출력 형식 지정 np.set_printoptions(precision=3, linewidth=150) # 생략 가능 Numpy ndarray 기본생성 In [6]: # 기본생성 a = np.array( [ [[1,2], [3,4]], [[5,6], [7,8]] ] ) print(a, ',',a.shape) [[[1 2] [3 4]] [[5 6] [7 8]]] , (2, 2, 2) In [8]: # 랜덤으로 생성 np.random.seed(66) B = np.random.rand(10) print(B) print() C = np.random.randin..

모듈 In [3]: # Fibonacci numbers module def fib(n): # write Fibonacci series up to n a, b = 0, 1 while a < n: print(a, end=' ') a, b = b, a+b def fib2(n): # return Fibonacci series up to n result = [] a, b = 0, 1 while a < n: result.append(a) a, b = b, a+b return result if __name__ == '__main__': print(fib2(10)) # 이 파일을 현재 폴더에 fibo.py로 저장하고 # import fibo # from fibo import fib, fib2 # https://docs..

This repo is an AI intermediate course-level curriculum. In the beginning, It directly implements algorithms of Machine Learning and Deep Learning. ex) Understanding and implementing algorithms for linear regression / logistic regression / loss function / gradient descent In the middle section deals with the deep learning architecture and feed-forward and learn the deep learning framework using ..

M.A. Statistics (Survival Analysis Lab.) Natural Language Processing과 Computer Vision을 주로 포스팅 합니다. GitHub : https://github.com/BeBrave-BeHumble