파이썬21

• 

  [Ai, Python] Linear Regression- 4 1. 선형 회귀 앞서도 계속 학교의 ai수업 중간고사를 준비하기 위해 수업의 내용을 정리하고 첨언하는 식으로 포스팅을 계속해가고 있다. 이번에 살펴볼 것은 Linear Regression학습 모델인데 여태까지 KNN이나 KNR처럼 자신의 주변의 사례들을 기반으로 새로운 데이터의 값을 예측하는 것은 사례기반 학습 LinearRegression처럼 기존의 데이터로 부터 함수를 만들어낸 뒤 그 함수를 통해 새로운 데이터의 값을 예측하는 것을 모델 학습이라고 한다. 앞선 포스팅에서 설명했듯이 LinearRegression은 그 모델 중 하나의 변수만을 고려하기 때문에 일차 함수의 형태를 띄고 우리는 여기서 y = ax + b에서 적절한 a와 b를 찾아내는 것이 목적이다. 이 a와 b를 모델 파라미터라고 한다. .. 파이썬/ai 2022. 4. 11.

• 

  [Ai, python]KNN - Linear Regression3 1. Linear Regression 앞선 포스팅까지 행했던 것은 classification 즉 분류였다. 미리 몇 개의 집합을 설정해두고 데이터들에 대한 집합 정답지를 알려준 뒤 새로 들어온 데이터가 어떤 집합과 가까운 지 거리를 파악하고 가장 거리가 가까운 집합으로 분류를 하는 작업이었다. 하지만 이제 할 것은 Regression 즉 회귀이다. Regression이란 어떠한 데이터들을 학습시켜 새로운 데이터가 들어왔을 데이터에 대한 어떠한 값을 예측하는 문제를 말한다. 예를 들어 최근 10년간의 서울의 집 값 데이터를 모델에게 학습시킨 후 앞으로 1년 뒤의 서울의 집 값은 어떻게 되겠는가?라는 질문을 던졌을 때 예측치를 내놓는 것이 Regression이다. Regression 문제를 수행함에 있어 서.. 파이썬/ai 2022. 4. 11.

• 

  [ai, python]KNN에서의 overFitting UnderFitting 1. KNN에 대한 overview 나는 지난번과 동일하게 kneighbors nearest라는 모델을 사용해서 학습을 시키고 있다. 사실 ai모델이라는 것은 거창한 것이 아니라 그저 수학적 모델을 기반으로 더 많은 데이터와 더 많은 예외 사항을 컴퓨터에게 알려주어 컴퓨터에게 다음부터는 이것도 고려해서 결과를 내! 라고 알려주는 일련의 과정이다. 그 중 내가 지금 사용하는 KNN이라는 모델은 아주 간단한 모델인데 쉽게 말해 모든 데이터들을 그래프 평면 상에 그렸을 때 나와 가장 가까운 점들에 의해 나의 집합이 결정된다는 것이다. 예시를 들면 다음과 같은 그래프에서 주황색 세모와 가장 가까운 점들은 초록 마름모 점들이다. 이 때 가장 가까운 점들의 개수, 즉 몇 개의 이웃을 우리는 고려할 것인가는 우리가 .. 파이썬/ai 2022. 4. 11.

• 

  [Ai,Python] K-nearest neighbor-1(데이터 전처리 및 모델 학습) 우리가 흔히 아는 딥러닝이라고 하는 것은 많은 데이터를 컴퓨터에게 집어 넣어 미래의 예측 값을 보다 정확하게 추론해내는 일종의 통계학이다. 그러러면 우리는 일단 컴퓨터를 학습시킬 많은 데이터들을 필요로 하는데 우리의 생활 속에서 발생하는 데이터들은 일정한 형식의 format을 가지고 있지도 않고 매우 불규칙하게 생기고 발생한다. 그래서 우리는 엑셀, DBMS와 같이 데이터들을 관리하는 툴에서 데이터들을 추출해 컴퓨터에게 학습시키기 쉬운 형태의 데이터 형태로 바꿔주는 파이썬의 라이브러리들을 이용할 것이다. 다음과 같은 데이터 셋이 존재한다고 하자 우리는 두 가지 물고기의 길이와 무게 정보를 이용해서 새로운 물고기의 길이와 무게 정보가 들어왔을 때 이 물고기가 두 물고기 중 어떤 물고기인지 판별하는 프로그램.. 파이썬/ai 2022. 4. 5.

• 

  python - numpy(module) could not be resolved pip install numpy(module명) 명령어를 통해 정상적으로 패키지를 설치했음에도 불구하고 다음과 같은 문구가 vscode에서 뜬다면 이는 python의 interpreter문제이다. python은 c나 c++와는 작동하는 법이 또 달라서 interpreter라는 것을 거치게 되는데 이 interpreter의 버전이나 종류에 따라 설치되는 경로가 달라지거나 해석하는 방법이 달라져 다음과 같은 오류가 발생하는 것이다. 이 문제를 해결하는 방법은 간단한데 우선 vscode에서 1.CTRL + SHIFT +P를 누른다. 그러면 다음과 같은 창이 뜨는데 이곳에 select interpreter라는 문구를 검색하면 pc에 깔려있는 python interpreter의 종류가 뜰것이다. 나의 경우 최근에.. 파이썬 2022. 3. 15.

• 

  파이썬 문법 2) #파이썬 #코딩 #vscode 1. 파이썬에서의 조건문 파이썬에서도 c++와 마찬가지로 if, else, elif 문을 사용한다.(c++에서는 if ~ else if문이지만 유사하다.) if 문에서는 bull형태로 판단한다. bull은 True와 False의 형태로 자료를 판단하는 것을 뜻한다. 이 때 아무런 언급없이 변수 이름만 써 있거나 0과 1중에 1이면 기본적으로 True로 간주한다. 파이썬은 또한 들여쓰기가 중요하므로 if문 다음 내용은 항상 들여쓰기가 된 채로 진행 되어야한다. 2. 다중 판단 c++에서 다중 판단문은 if ~ else if문으로 표현했었다. 파이썬에서는 else if치는 것도 귀찮았는 지 elif로 줄여버렸다. 사용 법은 c++와 유사하다. if문에서의 조건이 False라면 .. 파이썬 2021. 6. 18.

• 

  파이썬 문법 1) #파이썬 #코딩 #vscode 파이썬은 아주 문법이 간단하다. 나의 경우 대학에서 c++를 기본으로 배웠기 때문에 python의 문법을 배우는 데에는 굉장히 짧은 시간이 소요 됐던 것 같다. c++와 python의 내가 느낀 가장 큰 차이점은 1. 컴파일러 언어(c++)와 인터프리터 언어(python)라는 점 2. 포인터의 유무이다. 나는 파이썬을 배울 때 파이썬의 한 줄 한 줄 실행되는 점이 매력적이었다. c++의 경우 전체 코드 중 한 군데라도 오류가 있다면 전체 컴파일이 불가능한 반면 파이썬은 전체 코드가 실행되다가 오류가 있는 줄에서 멈추는 형식이기 때문에 어느 줄에 오류가 있는 지 무슨 오류가 있는 지 파악하기 쉬웠다. (대신 한 줄 한 줄 번역하기 때문에 c++가 속도는 훨씬 빠르다.) 또한 .. 파이썬 2021. 6. 18.

• 

  pipenv 파이썬 가상환경 사용하기 파이썬은 라이브러리가 많다. 라이브러리란 많이 사용하는 기능을 이미 함수식으로 만들어놓은 것으로 매 번 그 기능을 코딩으로 구현할 필요없이 그 기능을 이미 구현해놓은 라이브러리를 import만 해서 사용할 수 있다. 그러나 매 프로젝트마다 라이브러리를 전역으로 설치해서 사용하게 되면 다른 버전의 같은 패키지(라이브러리)가 설치되어 있는 경우 충돌이 일어나 프로젝트가 꼬일 가능성이 있다. 따라서 파이썬에서는 가상환경이라는 것을 사용한다. 가상환경이란 패키지를 하나의 통합된 환경이 아니라 각자 다른 환경에서 독립적으로 실행할 수 있게 해주는 기능이다. 일종의 컴퓨터를 여러 개로 나눌 수 있는 기능이라고 이해하면 된다. 파이썬 가상환경에는 여러가지 종류가 있지만 나는 pipenv를 가장 먼저 공부하였다. 파이.. 파이썬 2021. 6. 18.

• 

  파이썬 flask #파이썬 #python #flask #web #Jinja2 1.파이썬 flask 소개 파이썬 flask는 파이썬 언어를 사용하여 web페이지를 구성할 수 있게 해주는 프레임워크이다. 원래는 django가 많이 사용되었지만 flask는 더 빠르고 간결한 코드, 가벼운 구성으로 점유율을 높여 가고있다. 파이썬 flask는 마이크로 웹 프레임워크이다. 최소한의 구성 요소와 요구 사항을 제공하기 때문에 처음 코드를 이해하기가 쉽고 그 코드에서 확장을 해나가는 것 또한 쉽다. 따라서 자신이 필요한 기능이나 라이브러리를 자유롭게 구글링을 통해 검색 후 적용 가능하다. 2.파이썬 flask 설치 및 실행 flask는 파이썬의 라이브러리 중 하나이므로 프로젝트를 실행하기 앞서 디렉토리를 하나 만들어준다. 나의 경우 바.. 파이썬 2021. 6. 18.