일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- Pandas
- numpy
- 모두의 딥러닝
- 구글 BERT의 정석
- rnn
- 군집화
- 기초통계
- 최소자승법
- student t분포
- 텍스트 분류
- 오래간만에 글쓰네
- 차원축소
- 가설검정
- 다층 퍼셉트론
- 자연어 처리
- 결정계수
- Django
- 코사인 유사도
- F분포
- 밑바닥부터 시작하는 딥러닝2
- 기술통계학
- 텐서플로2와 머신러닝으로 시작하는 자연어처리
- 감성분석
- 파이썬 pandas
- 은준아 화이팅
- 밑바닥부터 시작하는 딥러닝
- word2vec
- 회귀분석
- 히스토그램
- 머신러닝
- Today
- Total
목록Python (18)
데이터 한 그릇
Django(1) MVC 원리 살펴보기 MVC 원리대로 진행 MODEL (models.py) , Controller (Views.py), View(templates) 따로 환경 생성 프로젝트 파일 생성 앱 생성 후 프로젝트 setting에 앱 목록 추가 프로젝트 파일 urlspattern 수정 -> app urls.py 로 보내기 앱 폴더에 urls.py 생성 그곳에 urlpatterns 입력 -> 보여줄 뷰로 가야하기 때문에 view.index로 보냄 함수 생성하고 매개변수로 request 받기 서버 실행하기 (manage.py 로 app도 생성하고 서버도 실행하기) Application 구성하기 프로젝트는 여러 개의 app으로 구성이 된다. 프로젝트마다 app 개수나 구성은 다르다. 프로젝트를 만들면..
numpy를 이용해서 기술통계학의 여러 기초통계 수치들을 구해보자. 총합, 평균, 편차 height = np.array([175,165,180,160]) weight = np.array([75,70,95,72]) 임의의 데이터를 생성하자. (배열로) 1)총합 h_sum = np.sum(height) w_sum = np.sum(weight) 2)평균 h_mean = np.mean(height) w_mean = np.mean(weight) 3)편차 h_deviation = height - h_mean w_deviation = weight = w_mean 분산, 표준편차 1)분산 h_var = np.var(height) w_var = np.var(weight) 2)표준편차 h_std = np.std(heigh..