쳇!, 같이가자 쳇!, 같이가자

보호되어 있는 글입니다.

파이썬 프로그래밍의 핵심이자, 개발 생산성을 급격하게 올려주는 두 가지 큰 기둥이 바로 함수(Function)와 클래스(Class)입니다.함수는 특정기능을 수행하는 객체 -> 정수기, 세탁기, 스마트폰, 전자랜지 등등 이 해당됩니다1단계: 선택의 여지가 없는 정수기 (무조건 찬물만)기능이 단 하나뿐이라 매개변수(선택지)가 필요 없는 가장 단순한 형태의 함수입니다.함수이름 만들때 주의 !!!! - 파이썬에서 함수 이름(식별자)을 만들 때 사용할 수 있는 특수문자는 언더바(_, Under score)가 유일 # 1단계: 찬물만 나오는 정수기 함수 정의def basic_purifier(): print("💧 정수기 필터를 통과하는 중...") return "🥛 시원한 찬물 한 잔"# 🛑 실행..

구분내장 라이브러리 (Standard Library)외장 라이브러리 (Third-party Library)설치 여부파이썬 설치 시 자동 설치됨pip install 으로 직접 설치 필요사용 방법코드 상단에 import만 하면 바로 사용 가능가상환경 활성화 후 pip 설치 후 import특징운영체제 제어, 기초 수학, 파일 다루기 등 필수 기능 중심웹 크롤링, 데이터 분석, 인공지능, 웹 서버 등 전문적 기능주요 플러그인 예시os, sys, math, datetime, json, random, timerequests, pandas, numpy, beautifulsoup4, django# 설치 없이 바로 가져와서 쓸 수 있음import randomimport datetimeprint(random.randint..

군집분석(Clustering)은 데이터의 숨겨진 패턴을 찾아내는 비지도학습(Unsupervised Learning)의 대표 주자이며, 그 핵심 엔진은 바로 데이터 사이의 거리를 계산하는 거리 측도(Distance Measure)입니다. 계층적 군집분석(Hierarchical)과 비계층적 군집분석(Non-hierarchical, 예: K-means)을 가르는 가장 결정적인 차이는 "사전에 군집의 개수($K$)를 정하고 시작해야 하는가?"와 "한 번 묶인 데이터가 중간에 다른 그룹으로 이사 갈 수 있는가?"입니다.이 두 가지 핵심 차이를 기준으로 물리적, 절차적 특징을 아주 명쾌하게 정리해 드릴게요. ① 군집 개수(K) 결정 시점 (가장 치명적인 차이)계층적 군집분석: 처음 시작할 때 군집 개수를 정하지 않..

📊 데이터 분석 모형별 평가지표 매칭 가이드분석 모형정답(Y) 유무분석의 본질❌ 절대 쓸 수 없는 평가지표⭕ 무조건 써야 하는 전용 평가지표분류 모형(지도학습)있음(합격/불합격, 0/1)정답 카테고리를맞췄나 틀렸나 판단R2, MSE, 실루엣 계수오분류표 (혼동행렬)ROC 커브 (AUC)이익도표 / 향상도 곡선정확도, 재현율, F1-Score회귀 모형(지도학습)있음(연속된 숫자)실제 값과 예측 값이얼마나 비껴갔나(오차) 측정오분류표, ROC 커브,이익도표, 향상도 곡선MSE / RMSEMAER2 (결정계수)군집 분석(비지도학습)없음데이터들을 성향에 따라방 나누기 (그룹핑)오분류표, ROC 커브,MSE, 향상도 곡선실루엣 계수 (Silhouette)엘보우 기법 (SSE)연관 분석(비지도학습)없음장바구니 속..

분류분석(Classification)은 정답이 정해진 데이터를 학습하여 새로운 데이터의 카테고리를 맞히는 지도학습의 대표 1. 로지스틱 회귀분석 (Logistic Regression)로지스틱 회귀분석(Logistic Regression)에 대해 핵심적인 내용을 정리해 드립니다.로지스틱 회귀의 가장 큰 특징은 종속변수가 범주형(Categorical) 데이터라는 점입니다. 로지스틱 회귀의 핵심인 세 개념을 '실패 대비 성공'이라는 관점에서 비교해 드립니다.이 흐름은 "확장을 통한 분석(Logit)"과 "압축을 통한 판단(Sigmoid)"의 과정입니다.glm 함수사용[예시] 고객의 신용 점수에 따른 대출 승인 예측독립변수(X): 신용 점수종속변수(Y): 대출 승인(1) 또는 거절(0)단계개념수식 (포커스)데이..

마이닝의 핵심 성공 요소 (사용자님의 철학과 연결)데이터 마이닝이 성공하려면 사용자님이 강조하신 다음의 과정이 반드시 선행되어야 합니다.데이터 전처리 (Cleaning): 신뢰도를 망치는 이상치와 결측치를 제거하여 "깨끗한 알곡"만 남깁니다.변수 선택 (Selection): 독립변수를 줄여서 모델이 너무 복잡해지지 않게(보편성을 잃지 않게) 만듭니다.성과 평가: 모델이 맞힌 정답이 '우연'인지 '개연'인지 검증합니다.혼동행렬 (Confusion Matrix): 정확도, 정밀도, 재현율 등으로 모델의 실력을 측정합니다.ROC 커브 / AUC: 모델이 얼마나 효율적으로 분류를 잘하는지 시각적으로 보여줍니다.💡 사용자님을 위한 한 줄 요약정형데이터 마이닝은 사용자님이 정리하신 **'분산(차이)'**과 **'..

1. 시계열 분석(Time Series Analysis)의 개념시계열 분석이란 시간의 흐름에 따라 순차적으로 관측된 데이터를 분석하여 그 이면에 있는 규칙성(패턴)을 찾아내고, 이를 바탕으로 미래를 예측하는 기법입니다.데이터의 특징: 관측값들이 서로 독립적이지 않고, 시간적 순서가 중요합니다. (예: 어제의 주가는 오늘의 주가에 영향을 미침)분석의 목적:기술(Description): 데이터가 가진 추세나 계절성 파악.예측(Forecasting): 과거 데이터를 바탕으로 미래 값 추정.통제(Control): 시계열의 변화를 감시하고 이상 징후 포착.2. 자기 상관성 (Auto-Correlation)시계열 분석을 일반 통계 분석과 차별화하는 가장 중요한 개념입니다.자기 상관성은 시간만 다른 동일한 데이터① ..