build my life

무려 푸는데만 1시간... 시간초과 문제로 다시 풀어보는데 1시간 반... ^_^ 즐거운 알고리즘 문제 푸는 시간... 하루 한문제 열심히 풀고 있지만 풀때마다 현타가 쎄게 온다...후 그래도 계속 하다보면 실력이 늘어나겠지?!!?! 문제 설명 두 정수 X, Y의 임의의 자리에서 공통으로 나타나는 정수 k(0 ≤ k ≤ 9)들을 이용하여 만들 수 있는 가장 큰 정수를 두 수의 짝꿍이라 합니다(단, 공통으로 나타나는 정수 중 서로 짝지을 수 있는 숫자만 사용합니다). X, Y의 짝꿍이 존재하지 않으면, 짝꿍은 -1입니다. X, Y의 짝꿍이 0으로만 구성되어 있다면, 짝꿍은 0입니다. 예를 들어, X = 3403이고 Y = 13203이라면, X와 Y의 짝꿍은 X와 Y에서 공통으로 나타나는 3, 0, 3으로 ..

sklearn 라이브러리에서 교육용으로 몇가지 데이터들을 불러올 수 있다. load_iris : 아이리스 붓꽃 데이터 load_diabetes : 당뇨병 환자 데이터 load_digits : 손글씨 데이터 load_breast_cancer : 유방암 환자 데이터 내가 불러와 본 건 이정도, 이 외에도 더 있다. sklearn 데이터 셋 불러오기 from sklearn.datasets import load_boston csv 파일 불러오기 import pandas as pd # 파일 경로 DATAPATH = "파일경로" # csv 파일 읽어 불러오기 pd.read_csv(f"{DATAPATH}파일이름.csv") csv 파일을 불러올 때 구분자가 다를 경우엔 키워드 파라미터 sep = "구분자" 추가해준다...

머신러닝(Machine Learning) 데이터로부터 규칙을 학습하여 정답을 예측할 수 있도록 하는 알고리즘을 개발하는 연구 분야 일반 프로그래밍은 데이터와 규칙을 통해 정답을 반환한다면 머신러닝 알고리즘은 데이터와 정답을 통해 규칙을 반환한다. Scikit-learn 라이브러리 머신러닝 관련 알고리즘과 개발을 위한 기능을 제공 1. 데이터 불러오기 2. Data Preprocessing 1) Feature Engineering 2) 결측치 채우기 통계치를 이용해서 결측값 채우기 머신러닝 모델을 이용하여 결측치 채우기 3) 범주형 데이터 Encoding Label Encoding Ordinal Encoding Target Encoding 4) Feature Scaling Standard Scaling M..

1. axis : 배열의 축 axis, 축의 개념은 배열 안에서 연산이 일어나거나 배열을 합치거나 할 때 기준이 된다. 1, 2차원의 축은 이해가 된다. 학창시절... 함수 그래프를 그릴 때 기계처럼 x축, y축을 그렸던...ㅋㅋㅋ 즉, 1차원은 축이 1개, 2차원은 2개, 3차원은 3개 점점 축이 하나씩 생기는 걸 알 수 있다. 2. 배열 차원 변경(reshape) - reshape을 사용하면 배열의 차원을 바꿀 수 있다. 먼저, 1차원 배열인 arr가 있다고 가정해보자 arr = np.array([0,1,2,3,4,5]) #1차원배열 arr.shape # (6,) 1차원 -> 2차원 - 1차원 배열 arr를 2차원 배열인 행렬로 바꿔보자. ex) (6,) -> (2 ,3) arr.reshape(2,3..

오늘은 랜덤함수 종류에 대해서 알아보쟛 rand 함수 - 0 ~ 1 사이에 랜덤값을 반환하는 함수 - n : 값 or shape 대로 랜덤값을 반환해줌 np.random.rand(n) #예시 np.random.rand() # 0.6232971766534624 #예시2 np.random.rand(3) # array([0.90996069, 0.55600572, 0.97184007]) #예시3 np.random.rand(3,3,4) # array([[[0.69694421, 0.67169397, 0.00789951, 0.80181607], # [0.06199847, 0.13240264, 0.80887709, 0.68226835], # [0.59328037, 0.95297096, 0.92581903, 0.2461..

Numpy 집계함수 1. 총합(sum) np.sum(arr) , arr.sum() 2. 평균(mean) np.mean(arr), arr.mean() 3. 중앙값(median) np.median(arr) 4. 표준편차(std) np.std(arr), arr.std() 5. 분산(var) np.var(arr), arr.var() 6. 최대/최소값(max, min) np.max(arr), np.min(arr) arr.max(), arr.min() 7. 최대, 최소값이 들어있는 인덱스 반환(argmax, argmin) np.argmax(arr), np.argmin(arr) arr.argmax(), arr.argmin() 8. 중복제거(unique) np.unique(arr) 9. 제곱(square) np.squ..