Techbrad

프로젝트를 진행하다보면 외부 라이브러리나 패키지를 사용해야하는 경우가 많다. 패키지에는 서로 버전에 맞는 의존성이 있기 때문에 프로젝트마다 다른 패키지 버전을 사용하게 된다. 프로젝트마다 독립적인 환경으로 관리하면 패키지를 지웠다 설치했다 반복할 필요없고 버전간의 충돌을 최소화 할 수 있다. 그래서 가상환경을 이용해서 프로젝트를 관리해야할 필요성이 있다. 그럼 Anaconda 설치 후 가상환경 생성과 파이썬 IDE 중 파이참에 어떻게 적용하는지 알아보자. 1. Anaconda Prompt 실행 2. 가상환경 생성 - 프롬프트에서 conda create -n 가상환경이름 python=파이썬버전 을 입력한다. - 잠시후 Y를 입력하여 생성을 계속 진행한다. 3. 생성된 가상환경 확인 - conda env l..

지난번 R를 활용한 KNN 실습을 해보았고 이번에는 Python 언어를 활용하여 KNN 실습을 하였다. R를 활용한 KNN 실습 (iris 데이터) KNN 인접 기법 (k-nearest neighbor) KNN는 머신러닝 기법 중의 한가지로 값을 분류하는 알고리즘이다. 분류와 군집은 비슷해 보이지만 목표값을 알고 분석하는 것은 분류(지도학습), 목표값을 모르고 techbrad.tistory.com 실습 과정은 데이터의 분포를 먼저 살펴보고 적절한 K를 찾아 KNN 알고리즘을 활용하여 모델을 만들어 보고자 한다. Python 코드 사용한 라이브러리 및 기본 데이터 셋팅 import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from ..

KNN 인접 기법 (k-nearest neighbor) KNN는 머신러닝 기법 중의 한가지로 값을 분류하는 알고리즘이다. 분류와 군집은 비슷해 보이지만 목표값을 알고 분석하는 것은 분류(지도학습), 목표값을 모르고 유사한 것끼리 묶은 것을 군집(비지도학습)이라한다. KNN은 지도학습의 한가지 기법이며 Instance - based Learning 으로 모델을 생성하지 않고 데이터를 분류하는데 사용됩니다. 즉 모델을 생성하지 않고 주어진 데이터를 갖고 바로 분석하기 때문에 오랜 시간이 걸린다. KNN에 대해 그림으로 설명하지면 아래의 그림에서 보면 빨간색 점이 새로운 데이터라고 가정하자. 이를 Class A로 할지 Class B로 분류할지 막막하며 KNN은 K(주변 데이터의 수)값을 갖고 새로운 데이터를 ..

Paired sample t-test (대응 표본) 대응 표본 t 검정이란 비교할 두 집단이 서로 독립적이어야하는 독립 표본 t 검정과는 다르게 두 집단이 상관 있는 경우 사용하는 검정 방법이다. 예를 들어 운동 초보와 운동 중급자가 같은 단백질 드링크를 마셨을 때 근육 성장률이 같을까? 이러한 조사를 하기 위해서는 대응 표본 t 검정을 이용할 수 있다. 좀 더 구체적으로 말하면 30명의 사람이 단백질 드링크를 먹고 나서 근육 성장률의 평균을 조사했다고 가정하자. 똑같은 30명의 사람이 한달 동안 운동을 꾸준히 한 후 단백질 드링크를 먹었을 때 평균을 구해 비교할 수 있다. . 실습 10명의 사격자가 1차, 2차 사격을 했을 때 각 차수의 평균을 비교해보았다. H0(귀무가설): 1차와 2차 사격의 평균은..