20/07/21 TL

오늘 할 일

계산이론 기출 풀기 + 요점 정리

계산이론 강의

이산수학 강의

이산수학 요점 정리 + ppt 문제 다시 풀기

코세라 강의

경찰 사격 데이터 분석

 

내일 할 일

계산이론 기출 + 예제 훑기

이산수학 요점 정리 + ppt 문제 다시 풀기

이산수학 강의

계산이론 강의

 

----------------------------------------------------------------------

https://www.coursera.org/learn/machine-learning

Machine Learning by Stanford University | Coursera

 

-----------------------------------------------------------------------

 

what is machine learning

"the field of study that gives computers the ability to learn without being explicitly programmed."
"A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E."
Example: playing checkers.

E = the experience of playing many games of checkers

T = the task of playing checkers.

P = the probability that the program will win the next game.

--------------------------------------

supervised learning

In general, any machine learning problem can be assigned to one of two broad classifications:

In a regression problem, we are trying to predict results within a continuous output, meaning that we are trying to map input variables to some continuous function. In a classification problem, we are instead trying to predict results in a discrete output. In other words, we are trying to map input variables into discrete categories.

(a) Regression - Given a picture of a person, we have to predict their age on the basis of the given picture

(b) Classification - Given a patient with a tumor, we have to predict whether the tumor is malignant or benign.

------------------------------------

unsupervised learning

Unsupervised learning allows us to approach problems with little or no idea what our results should look like. We can derive structure from data where we don't necessarily know the effect of the variables.

We can derive this structure by clustering the data based on relationships among the variables in the data.

With unsupervised learning there is no feedback based on the prediction results.

Example:

Clustering: Take a collection of 1,000,000 different genes, and find a way to automatically group these genes into groups that are somehow similar or related by different variables, such as lifespan, location, roles, and so on.

Non-clustering: The "Cocktail Party Algorithm", allows you to find structure in a chaotic environment. (i.e. identifying indivdual voices and music from a mesh of sounds at a cocktail party).

----------------------------------------------------

 

https://www.kaggle.com/jonghyeonbaek/police-shooting-analysis-for-beginner

Police_shooting_analysis_결측값, 데이터 분석 for beginner

police_shooting_analysis 분석 참고

 

data.isnull().sum()를 이용해, 데이터의 결측값이 어디에, 얼만큼 있는지 확인한다.

np.where를 이용해서 결측값의 인덱스를 알아낸다.

• set은 수학에서 이야기하는 집합과 비슷합니다.
• 순서가 없고, 집합안에서는 unique한 값을 가집니다. -> 중복을 없앤다는 소리
• 그리고 mutable 객체입니다.

https://wikidocs.net/16044

데이터를 들여다 보고 나서 where을 이용해서 위치를 알아내고 분석했다.

countplot을 사용해서 바 형태로 가시화한다. 인덱스에 맞게 알아서 분류해준다.