목록2024/04/14 (4)
개발학습일지
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/81fJS/btsGARvA3Be/sqRv1wkJWbpqn9h72JPuN1/img.png)
신규 데이터가 왔을 때 처리 하는 방법 - 학습된 인공지능을 저장했을 때와 같은 라이브러리를 임폴트해서 학습된 인공지능을 가져온다 - 임폴트 joblib import joblib regressor = joblib.load('regressor.pkl') ct = joblib.load('ct.pkl') regressor ct 학습(fit) 시킨 인공지능 regressor 학습(fit) 시킨 ct 새로 들어온 데이터 - 임폴트 pandas import pandas as pd - 'State'는 캘리포니아, 연구비 18만, 운영비 20만, 마케팅비 15만 일때 이회사의 수익은 얼마일까요? - 새로운 데이터를 2차원 데이터로 만들어준다 new_data = pd.DataFrame({'R&D Spend':[18000..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/c49z12/btsGB4nb3Tg/9HiCgRfSVeXXPpKphpi2yK/img.png)
Linear Regression 을 하고 나면, 컴퓨터를 끄고 켰을 때나 다른 서버에서 사용 해야하는 메모리가 있다 다른 서버에서도 내가 만든 Regression이 동작할 수 있도록 해야 한다 메모리에 있는 인공지능을 파일로 저장하여 사용하면 된다 서비스 배포하기 위한 파일 저장 방법 - 임폴트 joblib import joblib - 실서버에 인공지능을 활용하려면 2개의 파일이 필요하다 - 데이터를 이용해 내가 학습시킨 인공지능인 regressor - 문자열로 작성되어 있던 컬럼을 숫자로 바꿔주는 ct _기초 데이터로 교육 시켜져 있다 - joblib를 이용하여 피클 파일로 저장한다 joblib.dump( regressor, 'regressor.pkl') joblib.dump( ct, 'ct.pkl')..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bbpLqR/btsGBgIo8af/otFwLBaFFJ2OcfaN5RO7jk/img.png)
여러개의 변수가 있을때의 leaner regression - 2차원에서는 선 이지만, 3차원에서는 평면이 된다. - 구해야 할 b 가 많다 이제 하나의 예시 데이터로 Multiple Linear Regression 을 해보자 기본 임폴트 # Importing the libraries import numpy as np import matplotlib.pyplot as plt import pandas as pd 기본 데이터 - Profit 수익을 예측하려 한다. df = pd.read_csv('50_Startups.csv') df.head() 1. nan 처리 - isna().sum() 을 통해 각 컬럼 마다 nan의 갯수를 확인한다 - nan 이 있으면 dorpna() 또는 fillna() 를 사용하여 해..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/c1pv6b/btsGANGIXb1/ef9bUrzsjYMy43R1snzym0/img.png)
데이터셋으로 X, y 의 값은 이미 주어져있다 b0, b1 의 값을 찾아 가는 과정을 학습이라고 부른다 학습이란??? 바로 error(오차)를 줄여 나가는 것이다 모든 관측점(Observation) 에서의 y값의 error(오차)가 존재하고, 이 오차들의 총 합을 줄여 나가면 된다. 이제 하나의 예시 데이터로 Simple Linear Regression 을 해보자 기본 임폴트 # Importing the libraries import numpy as np import matplotlib.pyplot as plt import pandas as pd 기본 데이터 - 경력과 연봉의 관계 분석을 통해, 누군가 입사했을 때, 그사람의 경력에 맞는 연봉을 제시해 줄 수 있도록 합니다. df = pd.read_csv..