데이터 셋에 따라 데이터 분석을 위한 조건을 만족시키는 이진값을 가진 열을 반들기 위해 레이블 인코딩과 온-핫 인코딩을 섞어 사용해야 될 수도 있습니다. 예를 한번 같이 보시겠습니다. 특정 데이터 셋에 engine_type이라는 열이 있고 그 열에는 아래와 같이 몇가지 값으로 분류되어 있습니다. obj_df["engine_type"].value_counts() ohc 148 ohcf 15 ohcv 13 l 12 dohc 12 rotor 4 dohcv 1 Name: engine_type, dtype: int64 여기서 다른거 필요없이 분류값중에 'ohc'가 있느냐 없느냐만 금번 분석에 의미가 있다고 생각해봅시다. 전제를 깔자는 거지요. 이러한 판단을 하기 위해서는 관련 산업군이나 Tech쪽에 Domain ..

고등학교때 벡터를 접하거나, 혹은 대학에서 벡터를 접해보신 분들이 절반은 되실거라고 봅니다. 내적이라고 불리는 dot 연산(inner product)를 할때 조건이 있죠. 이런 조건때문에 우리는 벡터나 행렬을 전치해야될 경우가 간혹 선형대수학을 이용할때 생기곤 합니다. Because above condition for dot product, when we use linear algebra, we have to using transpose the vector or metrix. 그럼 간단하기 numpy를 이용한 전치방법을 알아보도록 하겠습니다. print(arr_num) > arr([1, 2, 3, 4]) print(arr_num.T) > arr([1, 2, 3, 4]) print(arr_num[:, No..

필자가 궁금한 순으로 공부하고 남기는 것이므로 순서가 뒤죽박죽일순 있다. 각설하고 시작하자. Numpy는 차원/모양이 다른 array간의 산술연산을 할때 broad casting이라는 mechanism을 사용한다. 일단 개념적으로 예를 한번들어보자. [2,4,6,8] 이라는 4개 원소를 가지는 array와 scalar 2를 곱하는 과정을 개념화한 아래의 그림을 참고하면 쉽게 broad casting에 대해서 이해할수 있다. Figure 1: Broadcasting example of adding a scalar to a vector (or 1-D array) array와 scalar 연산 뿐만 아니라 matrix간의 연산에도 해당 내용은 확장되어 적용된다. 다만 모든경우에 broad casting이 가능..

필자는 Tutorial이라는 영어표현을 굉장히 즐겨쓰고 검색엔진에서 활용하는 편이다. (짧은 말끝 포스팅 첫시도..) 역시 오늘도 base를 쌓기 위해서 검색엔진을 활용해서 파이썬 사용시 핵심 라이브러리 중 하나인 numpy의 기초를 포스팅을 해보고자 한다. 1. numpy라는게 대체 머길래.. - 파이썬의 라이브러리 이다. - 파이썬에 LIST라는 자료형도 있으나 for문을 사용해야하는 등 효율적인 행렬 data 연산이 불가함. - numpy는 가능하다. Matlab 느낌이라고 보면 되겠다. 2. 그 좋다는 numpy 한번 수입?? 해보자 In [1]: import numpy In [2]: import numpy as np 첫번째 줄과 같이 직접 call하게 되면 우리는 numpy라는 full name..

필자의 소개는 다음으로 미루고 오후쯤인가 scikit learn이라는 machine learning library의 tutorial을 막 보기시작하다가 저도 궁금해서 찾아봤던 내용에 대해서 남겨볼까 합니다. 아주 잘 정리되어 있는 medium 블로그가 때마침 있기도 하니 겸사겸사.. (영어공부가 목적은 아닙니다.) 아마 이 글을 읽게 될 독자분들도 저와 비슷한 궁금증으로 유입되셨으리라 보고.. 본론으로 들어가지요. numpy라는 유명 라이브러리의 newaxis 요 표현은 무엇이냐? 간단히 이야기 해서 존재하는 numpy array의 차원을 늘려준다 보시면 되겠습니다. * 1D 는 2D가 되고 2D는 3D가 되고 3D는 4D .. 사실 간단한 Role이지만 여러가지 상황에서 적재적소 사용되더군요.. 3가지..