전체 글523 파이썬(Python) 리스트(List)에 값 추가하기 (feat. append, insert) 이번 포스팅에서는 파이썬에서 리스트 객체에 원소(값)를 추가하는 방법을 알아보려고 한다 리스트(List) 값 추가하기 원소(또는 값)를 추가하는 방법은 append를 이용하는 방법과 insert를 이용하는 방법이 있다. 각 방법들에 대해서 알아보자. 1) append를 이용한 원소 추가 append는 추가할 원소를 인자로 넣어줘야하며 그 결과로 기존 리스트에서 원소를 맨 끝에다가 추가시킨다. a = ['a','b','c'] print(a) a.append('d') ## 리스트 끝에 원소 추가 print(a) 2) insert를 이용한 원소 추가 insert는 주어진 리스트에 특정 위치에 원소를 추가시킨다. insert에는 위치를 나타내는 인덱스와 추가하고자 할 원소를 각각 넣어준다. a = ['a','b.. 2022. 9. 16. [Matplotlib] 컬러바(Colorbar) 만들어서 그래프에 삽입하기 (feat. LinearSegmentedColormap, Normalize, ScalarMappable) 안녕하세요~ 꽁냥이에요. 이번 포스팅에서는 Matplotlib에서 컬러바(Colorbar)를 만들고 그래프에 삽입하는 방법에 대해서 소개합니다. - 목차 - 1. 컬러바(Colorbar) 기본 2. 컬러바(Colorbar) 꾸미기 1. 컬러바(Colorbar) 기본 1) 기본 Matplotlib에서 컬러바(Colorbar)는 기본적으로 1) 컬러맵 LinearSegmentedColormap 설정, 2) 최대값과 최소값 대응 방식 결정, 3) 컬러바 생성 및 컬러바 삽입 과정으로 이루어집니다. 이제 그 과정을 코딩을 보면서 알아보겠습니다. 여기서는 산점도에 컬러맵을 적용합니다. 다른 그래프에도 적용하는 방식은 거의 흡사합니다. 먼저 필요한 모듈을 임포트하고 데이터를 불러옵니다. 그러고 나서 기본 산점도를 .. 2022. 9. 15. 파이썬(Python) 딕셔너리(dictionary) 키 삭제하기 (feat. pop, del) 이번 포스팅에서는 파이썬(Python) 딕셔너리(dictionary)의 특정 키를 지우는 방법에 대해서 알아보려고 한다. 딕셔너리 키 제거 방법 딕셔너리 키를 제거하는 방법에는 pop을 이용하는 방법과 del을 이용하는 방법이 있다. 1) pop을 이용한 제거 pop 함수에 제거하고 싶은 키를 입력하면 된다. 이때 두 번째 인자에 None을 입력했음을 주목하자. 이는 만약 해당 키가 딕셔너리에 없다면 에러 대신 None을 리턴하겠다는 뜻이다. sample_dict = { '수학':80, '국어':90, '영어':95 } print(sample_dict) sample_dict.pop('수학', None) print(sample_dict) 코드를 실행하면 '수학' 키가 없어진 것을 알 수 있다. 2) del.. 2022. 9. 15. 파이썬 update 함수로 dictionary(딕셔너리) 업데이트 하기 파이썬(Python)에서 딕셔너리 전용 함수로 update가 있다. 이 함수는 기존 딕셔너리에 새로운 키와 값을 추가하거나 기존 값을 수정할 수 있다. 이번 포스팅에서는 그 사용법을 알아보자. update 사용법 방법은 간단하다. update 함수에 수정하거나 추가하고자 할 키와 값을 딕셔너리 형태로 넘겨주면 된다. 아래 코드는 기존 딕셔너리(sample_dict)에 해당 키가 이미 있다면 대응하는 값을 수정(업데이트)하고 없다면 새로운 키와 값을 추가한다. sample_dict = { '수학':80, '국어':90 } ## 수학 성적을 95로 수정, 영어 성적 70점 추가 sample_dict.update({'수학':95, '영어':70}) print(sample_dict) 만약 update를 사용하지.. 2022. 9. 15. Feature Selection using Stochastic Gates 비선형 모형에서의 변수 선택 방법론을 제시한 Feature Selection using Stochastic Gates 논문을 읽고 정리해본다. - 목차 - 1. Introduction 2. Problem Setup and Background 3. Proposed Method 4. Connection to Mutual Information 5. Related Work 6. Experiments 7. Cox Proportional Hazard Models for Survival Analysis 8. Evaluating Stochastic Regularization Schemes 9. Feature Selection with Correlations 10. Conclusion 1. Introduction 머신 .. 2022. 9. 14. Multivariate Adaptive Regression Splines 이번 포스팅에서는 Friedman의 명작 Multivariate Adaptive Regression Splines(MARS)를 읽고 정리해본다. - 목차 - 1. Introduction 2. Existing Methodology 3. Adaptive Regression Splines 4. Simulation Studies and Examples 5. Remarks 6. Conclusion 1. Introduction 관측 데이터 $(x_i, y_i), i=1, \ldots, n$가 있다고 해보자. 이때 $x_i=(x_{i1}, \ldots, x_{ip})$이다. 이때 반응 변수와 설명 변수 간에 다음과 같은 관계가 있다고 가정해보자. $$y = f(x_1, \ldots, x_p)+\epsilon\tag{.. 2022. 9. 13. 28. K-Modes Clustering(클러스터링, 군집화)에 대해서 알아보자 with Python 오늘은 기존 연속형 변수에서만 작동하는 K-Means 클러스터링이나 Gaussian Mixture Model 클러스터링과는 달리 범주형 변수에 대한 군집화 기법인 K-Modes Clustering(클러스터링, 군집화)에 대해서 알아보려고 한다. 또한 파이썬(Python) 구현 방법을 알아보고 클러스터링(군집화) 알고리즘을 실제 데이터에 적용해보자. 이번 포스팅에서 다루는 내용은 다음과 같다. - 목차 - 1. K-Modes Clustering(클러스터링, 군집화) 정의 2. K-Modes Clustering(클러스터링, 군집화) 알고리즘 3. K-Modes Clustering(클러스터링, 군집화) 장단점 4. 파이썬(Python) 구현 K-Means 클러스터링에 대한 내용이 궁금한 분들은 아래 포스팅을 .. 2022. 9. 4. 파이썬 shap 모듈에서 TreeExplainer 사용 시 (Scikit-Learn) AdaBoostClassifier, AdaBoostRegressor 적용 방법 Scikit-Learn에서 AdaBoostClassifier, AdaBoostRegressor 클래스 사용 시 기본 학습기를 트리 모형으로 적용한 경우에 shap.TreeExplainer 사용을 생각해볼 수 있다. 하지만 당연히 될 줄 알았는데 아래와 같은 오류가 났었다. 따라서 이번 포스팅에서는 이에 대한 해결 방법을 알아보고자 한다. 오류 현상 확인 먼저 위 스샷의 오류가 어떻게 발생되었느지 살펴보자. 붓꽃 데이터를 이용하여 AdaBoost 분류 모형을 학습했다. import shap from sklearn.ensemble import AdaBoostClassifier, AdaBoostRegressor from sklearn.datasets import load_iris, load_boston iri.. 2022. 9. 3. [Scikit-Learn] 15. Partial Dependence Plot, Individual Conditional Expectation Plot 그리기 with PartialDependenceDisplay Scikit-Learn에서는 PartialDependenceDisplay을 이용하여 Partial Dependence Plot(PDP), Individual Conditional Expectation(ICE) Plot을 그릴 수 있다. 이번 포스팅에서는 그 방법을 알아본다. Partial Dependence Plot, Individual Conditional Expectation Plot에 대한 개념은 아래 포스팅을 참고하기 바란다. 27. Partial Dependence Plot (부분 의존도 그림), Individual Conditional Expectation Plot (개별 조건부 평균 그림)에 대해서 알아보자 with Python 27. Partial Dependence Plot (부분 의존도.. 2022. 9. 2. 27. Partial Dependence Plot (부분 의존도 그림), Individual Conditional Expectation Plot (개별 조건부 평균 그림)에 대해서 알아보자 with Python 이번 포스팅에서는 머신러닝 예측 모형의 해석을 도와주는 시각화 방법인 Partial Dependence Plot (부분 의존도 그림), Individual Conditional Plot (개별 조건부 평균 그림)에 대해서 소개한다. 또한 파이썬을 이용한 구현 방법을 소개한다. - 목차 - 1. Partial Dependence Plot 2. Individual Conditional Expectation Plot 1. Partial Dependence Plot(부분 의존도 그림) 1) 정의 Partial Dependence Plot (부분 의존도 그림)은 학습된 예측 모형과 (예측에 사용된) 개별 변수의 관계를 시각화한 그림이다. 위의 말을 자세히 뜯어보자. 부분 의존성? 그게 뭐야? 부분 의존성은 다변수.. 2022. 9. 2. 이전 1 ··· 23 24 25 26 27 28 29 ··· 53 다음
