개인기록부 개인기록부

MVC 개발 패턴 Model View Controller(Template) Model 장고에서 모델이란 데이터 베이스와 통신을 해주는 편리한 도구이다. Database 언어를 사용하지 않고도 간편하게 데이터 베이스 내용을 수정, 삭제가 가능하다. Database 데이터 베이스는 크게 행과 열로 구성되어 있고 그 안에는 각각의 아이템, 속성이 들어있다. 예를 들어 Django의 앱 하나는 Database의 행이 되고 모델의 세부 사항은 데이터베이스의 열로 매치 되는데 그 사이 처리를 모델에서 담당한다. 즉 사용자가 모델을 설정하게 되면 db에 반영하는 수정, 삭제 등은 Django에서 처리해준다. View Django에서 계산하는 대부분을 담당한다. 유저가 서버에 요청을 보내게 되면 view에서는 해당 요..

선형 회귀 LinearRegression import numpy as np # 데이터 준비 perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0, 21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7, 23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5, 27.5, 28.0, 28.7, 30.0, 32.8, 34.5, 35.0, 36.5, 36.0, 37.0, 37.0, 39.0, 39.0, 39.0, 40.0, 40.0, 40.0, 40.0, 42.0, 43.0, 43.0,..

회귀 regression # 데이터 준비 import numpy as np perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0, 21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7, 23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5, 27.5, 28.0, 28.7, 30.0, 32.8, 34.5, 35.0, 36.5, 36.0, 37.0, 37.0, 39.0, 39.0, 39.0, 40.0, 40.0, 40.0, 40.0, 42.0, 43.0, 43.0, 43.5, 44..

데이터 전처리 # 데이터 준비 fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0, 9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0] fish_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 45..

올바른 훈련 데이터 사용법 # 데이터 준비 fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0, 9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0] fish_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 39..

# 데이터 시각 화를 위해 matplotlib 로드 import matplotlib.pyplot as plt # 데이터 준비 bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0] bream_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 50..

K Means / ++ 실습 파이썬 빅 데이터 분석에 가장 많이 활용되는 라이브러리는 Pandas, Numpy, Matplotlib이다. Numpy : 연산 처리를 용이하게 하기 위해 사용 Pandas : 데이터 포인트를 만들기 위해 사용 Matplotlib : 데이터 시각화에 사용 / seaborn도 함께 사용된다. 실습 from sklearn.cluster import KMeans #sklearn에 포함되어 있는 KMeans 불러오기 # 데이터 마이닝에 필요한 라이브러리 불러오기 import numpy as np import pandas as pd import seaborn as sb import matplotlib.pyplot as plt %matplotlib inline # 실습을 위해 준비한 데..

실습 텐서 플로우를 활용하여 아래 데이터를 모델로 하루 노동 시간이 8시간일 때 일 매출량을 예측해보자 import tensorflow.compat.v1 as tf tf.disable_v2_behavior() # 신버전 사용시 에러코드 발생 하기 때문에 설정해준다. xData = [1,2,3,4,5,6,7] yData = [25000, 55000, 75000, 110000, 128000, 155000, 180000] #W는 Weight(가중치), b는 bias y절편 #random_unifrom은 랜덤한 값으로 -x ~~ x까지의 수가 들어가는 함수 W = tf.Variable(tf.random_uniform([1], -100, 100)) b = tf.Variable(tf.random_uniform([1..