코딩하는 타코야끼

1. Target Data(Web Page) 인터파크 영화 예매율 주간순위 Source: 인터파크 영화 랭킹리포트 하기 Image의 [영화 Top 10]이 Target Data 입니다. 2. Web Crawling & DataFrame 만들기_1 📍 import from selenium import webdriver from selenium.webdriver.common.by import By from selenium.common.exceptions import NoSuchElementException import pandas as pd from selenium import webdriver: 웹 브라우저를 제어하기 위한 도구를 가져옵니다. from selenium.webdriver.common.by i..

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. 머신러닝이란 📍 머신러닝(machine learning) 컴퓨터가 데이터를 통해 학습하여 특정 작업을 수행하는 능력을 개선하는 알고리즘과 기술의 집합입니다. 전통적인 프로그래밍에서는 문제를 해결하기 위해 직접 명령어를 작성하는 반면, 머신러닝에서는 대량의 데이터와 알고리즘을 사용하여 패턴을 찾아내고, 그 결과로 예측, 분류, 군집화 등의 작업을 수행합니다. 🔌 지도학습 (Supervised Learning) 입력 데이터와 해당 데이터에 대한 목표 또는 라벨이 주어집니다. 알고리즘은 주어진 입력에서 원하는 출력을 예측하는 방법을 학습합니다. 예를 들어, 스팸 메일 필터링이나 이미지 분류와 같은 작업에서 사용됩니다. 🔌 비지도학습 (Unsupervised Learning) 입력 데이터만 주어지고 목표 ..

1. 연산자 [연습문제_51 ~ 52] 📎 문제 1 고도가 60m 올라갈 때마다 기온이 0.8도 내려 간다고 할 때 고도를 입력하면 기온이 출력되는 프로그램을 만들어 보자.(지면온도: 29도) base_temp = 29 height = 60 h_temp = 0.8 input_h = int(input("고도 입력: ")) result = 29 - ((input_h // 60) * 0.8) if input_h % height != 0: result -= h_temp print(f"지면 온도: {base_temp}") print(f"고도 {input_h}m의 기온: {result}") >>> 고도 입력: 720 지면 온도: 29 고도 720m의 기온: 19.4 💡 높이 문제와 유사한 문제들 이처럼 딱 떨어지지..

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..