희주는 개발중

신경망은 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습하는 성질이 있다. 3.1 퍼셉트론에서 신경망으로✔️ 신경망의 예은닉층 : 입력층, 출력층과 달리 사람 눈에 보이지 않기 때문에 은닉층 ✔️ 퍼셉트론 복습앞 장에서 배웠던 퍼셉트론을 위와 같이 표현할 수 있다.   식 3-1을 h(x)를 이용하여 식 3-5로 표현할 수 있다. ✔️ 활성화 함수의 등장활성화함수 h(x) : 입력신호의 총합을 출력신호로 변환하는 함수신호의 총합이 활성화를 일으키는지를 정하는 역할 3.2. 활성화 함수✔️ 계단 함수계단함수 : 위와 같이 임계값을 경계로 출력이 바뀌는 활성화 함수그래서 퍼셉트론에서는 활성화 함수로 계단함수를 이용한다고 할 수 있다.def step_function(x): return np.ar..

2.1 퍼셉트론이란?퍼셉트론 : 다수의 신호를 입력으로 받아 하나의 신호로 출력(1 - 신호가 흐른다 / 0 - 신호가 흐르지 않는다) 입력신호 : x1, x2출력신호  : y가중치(weight) : w1, w2뉴런(or 노드) : 그림의 원 입력신호가 뉴런에 보내질 때 각각 고유한 가중치가 곱해진다. (w1x1, w2x2)뉴런에서 보내온 신호의 총합이 정해진 한계(임계값 θ)를 넘어설 때만 1을 출력한다. = 뉴런이 활성화한다. 가중치 : 각 신호가 결과에 주는 영향력을 조절하는 요소로, 가중치가 클수록 해당 신호가 더 중요함을 뜻함. 2.2 단순한 논리 회로✔️ AND 게이트(w1, w2, θ) = (0.5, 0.5, 0.7) ✔️ NAND 게이트와 OR 게이트(w1, w2, θ) = (-0.5, -..

1. 건물용도별 파이 그래프 2. 건물용도별, 층별 바 그래프 3. 버스정류장 folium 4. 전세가 folium 5. feature importance 와플차트 6. 구별 박스 플롯 7. 구별, 연식(색), 전세가(크기) 트리맵 참고 github : https://github.com/HeeJu-XiJu/BBOROROAD.git

모델을 선정하기 전 여러가지 회귀모델들을 비교해보았다.  📌 모델선정from sklearn.linear_model import LinearRegression, ElasticNet, Lasso, Ridgefrom sklearn.tree import DecisionTreeRegressorfrom sklearn.ensemble import RandomForestRegressorimport xgboost as xgbimport lightgbm as lgbreg = LinearRegression(n_jobs=-1)ridge = Ridge(alpha=0.8, random_state=1)lasso = Lasso(alpha = 0.01, random_state=1)Enet = ElasticNet(alpha=0.03..

모델링에 들어가기 앞서 object 데이터에 대해 인코딩 처리를 해주어야 한다. 📌 인코딩info를 찍어보면 object값이 자치구명, 건물명, 건물용도가 있는데건물명은 브랜드아파트들을 구분하기 위해 살리고 싶었으나 데이터 결측치가 많은 관계로 drop 시켰다. (아쉬운 부분..) 인코딩 방법 중에 대표적으로 onehot, label 인코딩 방법이 있다.이 중 label 인코딩을 할 경우 해당 컬럼의 데이터가 순서나 랭크가 없음에도 불구하고 인코딩을 함으로써 데이터가 왜곡될 수 있다.(분류모델도 그런가 싶어 질문을 하니 결정트리 같은 경우에는 영향이 크게 안간다는 답변을 들을 수 있었다.)또, onehot 인코딩은 카테고리 종류가 많을 경우 컬럼이 과하게 많아질 수 있으므로 범주화하는 방법도 고려할 수..

정처기치고 약 10일.. 뒤에 쳤던 ADsP 합격후기에 대해 작성해보겠다! 📌 시험 일정정보처리기사 필기 2월 15일, ADsP 2월 24일에 치뤘으니 시험일을 제외하면 거의 일주일간 공부한 것 같다.심지어 프로젝트 한참 진행하던 시기여서 멘토링발표, 보고서작성 등등 이런저런 준비까지 겹치니 하루하루가 데드라인 속에 사는 느낌이었다.그래서 걱정이 많았는데 합격해서 다행이다 ㅠㅠ 장하다 희주야 📌 결과 3과목은 합격기준 60%를 못넘기긴 했지만 1, 2과목에서 성적이 잘 나와서 생각보단 여유롭게 합격했다!집에 오는 길에 데이터전문가포럼 카페 올라오는 후기글들을 보며 쉽다는 평이 많아서 나만 어려웠나.. 불안했던 기억이 있는데 점수를 보니 쉬웠던건가 싶은 생각도 든다. 📌 공부법사실 길면 1~2주, 짧..

전세가의 영향을 줄 수 있는 feature들을 모았으니 본격적으로 전세가에 대한 전처리를 했다.그런데 전세 데이터를 수집하면서 생각보다 데이터가 충분하지 않아 고민이 생겼다.그래서 전월세전환율에 따라 보증금, 월세가 바뀌었던 것이 떠올라 월세 데이터도 함께 활용하기로 했다.(이사하면서 고생했던게 이렇게 빛을 보는구나..😇) 📌 전월세 전환율# 동별 전환율df_guchange['지역'] = df_guchange['지역'].str.split(' ').str[1]df_guchange.set_index('지역', inplace=True)df_guchange=df_guchange.iloc[13:38]df_guchange = df_guchange[['2023-04']]df_guchange.rename(colum..

세미프로젝트 주제를 전세가 예측으로 정하면서 어떤 데이터를 활용할지에 대해 먼저 고민했다.전세가에 영향을 주는 교육, 교통, 인프라 등이 자연스럽게 떠올랐고 얼마나 근처에 있는지 보다는 주변에 얼마나 많은지에 초점을 두기로 했다.또한 법정동별, 도로명별 중 전세가의 기준점도 필요했는데 우리 팀은 법정동별 평균 전세가를 예측하기로 하였다. 📌 스타벅스 크롤링# 스타벅스 크롤링# 크롬드라이버 실행driver = webdriver.Chrome()#크롬 드라이버에 url 주소 넣고 실행driver.get('https://www.starbucks.co.kr/store/store_map.do?disp=locale')# 페이지가 완전히 로딩되도록 3초동안 기다림time.sleep(3)# 스타벅스 서울 클릭starb..

📍 Login, Logout(로그인, 로그아웃) 회원가입을 했으니 로그인을 해보자. ✅ Login(로그인) 기능 구현📌 # accounts/forms.pyfrom django.contrib.auth.forms import AuthenticationFormclass CustomAuthenticationForm(AuthenticationForm): pass 📌 # accounts/views.pyfrom django.contrib.auth import login as auth_logindef login(request): if request.method == 'POST': form = CustomAuthenticationForm(request, request.POST) ..

📍 Signup(회원가입)CRUD 기능을 마무리하고 오늘부터는 user와 관련된 기능을 추가해보려 한다.  [Django] 장고 User모델링 - 인스타 클론코딩 [Django] 장고 User모델링 - 인스타 클론코딩📍 User 모델링 회원가입, 로그인, 로그아웃 기능을 추가하기 전 User모델링을 해주자! [Django] 장고 모델링 - 인스타 클론코딩 [Django] 장고 모델링 - 인스타 클론코딩 📍 모델링 ✅ 모델 정의 ImageFiheejudeveloper.tistory.com우선 저번에 모델링해뒀던 User에서 인스타처럼 프로필사진도 추가할 수 있게 모델링을 바꿔주었다. ✅ 모델링 수정📌 # accounts/models.pyfrom django_resized import Resized..