minimalism

# [실습] # R2 0.62 이상 #y는 정제된 x의 데이터 값으로 나온 결과치기 때문에 정제를 할 필요는 없다. import numpy as np from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense from sklearn.model_selection import train_test_split from sklearn.datasets import load_diabetes datasets =load_diabetes() x = datasets.data y = datasets.target x_train,x_test,y_train, y_test = train_test_split(x,y, train_size..

# sklearn.datasets.fetch_california_housing from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense import numpy as np from sklearn.model_selection import train_test_split from sklearn.datasets import fetch_california_housing datasets = fetch_california_housing() x = datasets.data y = datasets.target x_train, x_test, y_train, y_test = train_test_split(x,y, train_..

학습하기 from sklearn.datasets import load_boston #사이킷런의 datasets에 있는 load_boston을 가져온다. datasets = load_boston() #load_boston에 있는 값들은 datasets라는 변수에 저장한다. x = datasets.data #datasets에서 데이터는 x 변수에 저장한다. (x=피처, 컬럼, 열, 특성(방의 넓이, 크기, 흑인 등)) y = datasets.target #datasets에서 타겟은 y 변수에 저장한다. (y=보스톤 집값 등) print(x) #x로 추출된 값은 데이터 값은 표준정규분포화가 이루어진 값들이다. print(y) print(x.shape, y.shape) #(506, 13) (506,) #X는 1..

회귀모델 성능평가지표 R2 모델을 개발했을 때, loss값만으로 모델이 좋은지 나쁜지 평가할 수 없다. loss 값은 상대적이기 때문이다. 그렇기 때문에 R2 성능평가지표를 이용해 이 모델을 평가할 수 있다. (정확도를 평가하는 것은 accuraccy 모델 즉, 분류 모델이다.) 결정계수 R2란? - 회귀 모델의 성과 지표 - 1에 가까울수록 좋은 회귀 모델, 0에 가까울 수록 나쁜 모델 - 음수가 나올 경우, 바로 폐기해야 하는 모델 - r2가 1에 가까울수록 loss값은 낮아진다. - 분산 기반으로 예측 성능을 평가한다. - R 제곱 = 예측값 (y_predict) / 실제값 (y) R2 코드 작성방법 from sklearn.metrics import r2_score r2 = r2_score(y, y..

전체코드 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense import numpy as np from sklearn.model_selection import train_test_split #1. 데이터 x = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]) y = np.array([1,2,4,3,5,7,9,3,8,12,13,8,14,15,9,6,17,23,21,20]) x_train, x_test, y_train, y_test = train_test_split(x,y, train_size=0.7, shuffle=True, random..

2750번. 수 정렬하기 ▼해설보기 더보기 버블정렬 N = int(input()) numbers = [] for _ in range(N): numbers.append(int(input())) for i in range(len(numbers)): for j in range(len(numbers)) : if numbers[i] < numbers[j] : numbers[i], numbers[j] = numbers[j],numbers[i] for n in numbers : print(n) 삽입정렬 N = int(input()) nums = [] for _ in range(N) : nums.append(int(input())) # Insert Sort for i in range(1, len(nums)) : whi..

input() 이 sys.stdin.readline() 보다 느린 이유 input() 내장 함수는 sys.stdin.readline()과 비교해서 prompt message를 출력하고, 개행 문자를 삭제한 값을 리턴하기 때문에 느리다. input() 과 sys.stdin.readline() 의 차이점 일단 sys.stdin.readline()과 input()은 같은 역할을 하지 않는다. input() 내장 함수는 parameter로 prompt message를 받을 수 있다. 따라서 입력받기 전 prompt message를 출력해야 한다. 물론 prompt message가 없는 경우도 있지만, 이 경우도 약간의 부하로 작용할 수 있다. 하지만, sys.stdin.readline()은 prompt mess..

스칼라, 백터, 메트릭스, 텐서 1. 스칼라 : 개체 하나하나로, 차원이 없다. 2. 백터 : 스칼라 모임, 1차원으로 구성된 값 3. 매트릭스 : 2차원으로 구성된 값 4. 텐서 : 3차원으로 구성된 값 (3 이상의 n차원 : n차원 텐서) key point 열 = 컬럼 = feature = 특성 = 가장 작은 단위인 스칼렛의 갯수가 열에 해당 문제 예제) shape를 구하시오. [[1,2],[3,4],[5,6]] #shape(3,2) [[[1,2,3,4,5,]]] #shape(1,1,5) [[1,2,3][1,2,3][4,5,6]] #shape(3,3) [4,3,2,1,] (4, ) #스칼렛 4, 백터 1 #내가 쓴 답 : shape(1,4) > 이와 같이 표현되려면 [[4,3,2,1]] [[[[1,2..

배치작업? -데이터를 실시간으로 처리하는게 아니라, 일괄적으로 모아서 처리하는 작업을 의미한다. -가령, 하루동안 쌓인 데이터를 배치작업을 통해 특정 시간에 한꺼번에 처리하는 경우가 이에 해당한다. -인풋값에 데이터를 한번에 넣는것이 아닌 나누어서 넣는다. =batch작업을한다. =배치사이즈 조절한다. batch 클수록 batch 작을수록 한 번에 처리해야 할 데이터의 양이 많다. 학습속도가 느려진다. 메모리 부족 문제가 발생할 수 있다. -메모리를 적게 차지한다. -성능의 증가가 있다. -적은 데이터를 대상으로 가중치를 업데이트하고, 이 업데이트가 자주 발생하므로 훈련이 불안정해진다.

2798번. 블랙잭 ▼해설보기 더보기 N, M = map(int, input().split()) card_num = list(map(int, input().split())) result = 0 for i in range (N): for j in range (i+1, N): for k in range(j+1, N): if card_num[i] + card_num[j] + card_num[k] > M : continue else : result = max(result,card_num[i] + card_num[j] + card_num[k] ) print(result) 1. 모든 경우의 수를 다 찾아봐야 하는 완전탐색 문제이다. N, M = map(int, input().split()) card_num = li..