| 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 |
- 모두의 딥러닝
- 오래간만에 글쓰네
- 밑바닥부터 시작하는 딥러닝2
- 최소자승법
- 기초통계
- rnn
- 텍스트 분류
- Django
- 텐서플로2와 머신러닝으로 시작하는 자연어처리
- 구글 BERT의 정석
- 밑바닥부터 시작하는 딥러닝
- 차원축소
- 감성분석
- student t분포
- 히스토그램
- 머신러닝
- 군집화
- 은준아 화이팅
- Pandas
- F분포
- 자연어 처리
- 다층 퍼셉트론
- 파이썬 pandas
- 결정계수
- word2vec
- 코사인 유사도
- 기술통계학
- 회귀분석
- 가설검정
- numpy
- Today
- Total
목록분류 전체보기 (149)
데이터 한 그릇
기초통계 15 : 분산분석(3)
일원분산분석 다중비교검정 이인자분산분석 https://kurt7191.tistory.com/20?category=1000998 기초통계 14 : 분산분석(2) 일원분산분석 다중비교검정 분산분석 실험계획법 랜덤화블럭(이원) 분산분석 이인자분산분석 https://kurt7191.tistory.com/19 기초통계13 : 분산분석(1) 일원분산분석 다중비교검정 분산분석 심험계획 kurt7191.tistory.com 이인자분산분석 앞선 장에서는 일인자실험으로부터 데이터가 생성되는 문제들을 논의하였다. 이 때의 예시는 가장의 연령에 따라서 주식 투자 비중이 달라지는지 설펴보려고 하였다. 이 때 요인은 가장의 연령 단 1개였다. 하지만 여러가지 요인이 고려될 수 있다. 가장의 성별이나 가장의 소득과 같은 요인들이 ..
캐글 입문, 타이타닉 생존자 예측 모델 만들기!
Titanic 생존자 예측 모델 만들기 연습¶ 1)EDA 작업¶ 전체 데이터 구조 확인(train data부터)¶ titanic 데이터 불러오기¶ In [112]: import pandas as pd titanic_df = pd.read_csv('C:\ca_da\DataHandling/train.csv') titanic_df Out[112]: PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 1 2 1 1 Cumings, Mrs. John Bradley (Florence Bri..