코딩하는 타코야끼

1. Decision Tree를 이용한 Wine 분석 red_url = "" white_url = "" red_wine = pd.read_csv(red_url, sep=";") white_wine = pd.read_csv(white_url, sep=";") red_wine.head() white_wine.head() ⚡️ 레드/화이트 와인별로 등급 fig = px.histogram(wine, x="quality", color="color") fig.show() ⚡️ 데이터 분리 X = wine.drop(["color"], axis=1) y = wine["color"] from sklearn.model_selection import train_test_split X_train, X_test, y_train..

1. 타이타닉 생존자 분석 - EDA 📍 컬럼의 의미 📍 생존 상황 import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline # 데이터 정의 titanic_url = "" titanic = pd.read_excel(titanic_url) titanic.head() # 시각화 f, ax = plt.subplots(1, 2 ,figsize=(16, 8)) titanic["survived"].value_counts().plot.pie(ax=ax[0], autopct="%1.1f%%", shadow=True, explode=[0, 0.05]) ax[0].set_title("Pie plot - survived") ax[0].set_ylabe..

1. ML을 이용한 예측 📍 문제 정의 내가 발견한 Iris 꽃받침(Sepal)의 길이(length)와 폭(width)이 각각 5cm, 3.5cm이고 꽃의 꽃잎(Petal)의 길이와 폭은 각각 1.4cm, 0.25cm이 이었다. 이 꽃는 Iris의 무슨 종일까? 🌓 규칙기반으로 찾아보기 꽃받침(Sepal)의 길이(length): 5cm, 폭(width): 3.5cm 꽃잎(Petal) 의 길이(length): 1.4cm, 폭(width): 0.25cm df[(df['sepal length (cm)'] == 5) & (df['sepal width (cm)'] == 3.5)] # 규칙기반 알고리즘 📍 머신러닝 적용 🌓 머신러닝으로 우리가 하려는 것 프로그래머가 직접 규칙(패턴)을 만드는 대신 컴퓨터가 데이터를..