본문 바로가기

전체 글180

AICE Associate - 데이터 전처리 1. 결측치 처리 1-1) 결측치 확인하기df.isnull().sum()df.info() #탐색적으로 결측치 유무 확인 가능 1-2) 데이터 확인하기 – 대체하려고 하는 값 확인용#중앙값 df[‘칼럼명’].median()#최빈값df[‘칼럼명’].mode()[0]#평균값df[‘칼럼명’].mean()#최소값df[‘칼럼명’].min()#최대값df[‘칼럼명’].max()#합df[‘칼럼명’].sum() 1-3) 결측치 채우기#(값채우기df.fillna(값)#칼럼별 다른 값 채우기df.fillna( {‘칼럼명1’: 값1, ‘칼럼명2’:값2} )#특정 칼럼의 값 채우기df[‘칼럼명’].fillna(대체할값, inplace = True)#평균으로 채우기df[‘칼럼명’].fillna( df[‘칼.. 2024. 6. 19.
AICE Basic 요약 o 인공지능의 5가지 기능 1. 예측(Prediction): 데이터를 학습하고 패턴을 파악하여 결과를 예측한다. (시험범위) 2. 생성(Generation): 텍스트, 음성, 사진, 동영상 등을 생성한다. 3. 소통(Conversation): 기계에 대화 기능을 부여하여 질문과 답변한다. 4. 자동화(Automation): 사람에게 의지하지 않고 더 효율적인 방법을 찾는다. 5. 인식(Recognition): 대상의 특성을 인지하고 상황을 판단한다. o 프로세스 문제정의 데이터수집 데이터 분석 및 전처리 AI모델링 AI적용 o 문제정의* 알고리즘 유형 : 분류 Vs. 회귀- 과제에 숫자를 예측하는 것이면 회귀, 그 외는 모두 분류(예:Y/N, 유지/해지)* 데이터설명: 타겟변수(종속변.. 2024. 6. 19.
AICE Associate - 데이터 시각화 라이브러리import matplotlib.pyplot as pltimport matplotlib.font_manager as fmplt.rc('font', family ='NanumGothicCoding') seaborn 활용해서 그리기import seaborn as sb#카운트플롯sb.countplot(data=df, x='컬럼명') #조인트플롯sb.jointplot(data=df, x=’컬럼1’, y=’컬럼2’)#바플롯sb.barplot(data=df, x='칼럼1', y='칼럼2')#히스토그램sb.histplot(data=df, x='칼럼1')sb.histplot(data=df, x='칼럼1', hue='칼럼2')#히스토그램을 곡선으로 그리기sb.kdeplot(data=df, x='칼럼1', hu.. 2024. 6. 19.
AICE Associate - 탐색적 데이터 분석 라이브러리 import sklearn as skimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt !pip install seabornImport seaborn as sns 데이터로딩df = pd.read_csv(‘파일경로.파일명’)df = pd.read_json(‘파일경로/파일명’)df = pd.read_excel(‘파일경로/파일명’) 데이터 구성 확인#앞행 5개 확인df.head(5) #뒷행 5개 확인df.tail(5) #데이터 인덱스 확인df.index#데이터 프레임 칼럼이름 확인df.columns #데이터 값Values확인df.values#데이터 프레임 행, 열 개수 확인df.shape #데이터 칼럼정보, Null.. 2024. 6. 19.

티스토리툴바