ToDo_DATA

문제링크 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 프로그래머스_힙_디스크 컨트롤러 각 작업에 대해 [작업이 요청되는 시점, 작업의 소요시간]을 담은 2차원 배열 jobs가 매개변수로 주어질 때, 작업의 요청부터 종료까지 걸린 시간의 평균을 가장 줄이는 방법으로 처리하면 평균이 얼마가 되는지 return. 입출력 예시 jobs return (=평균) [[0, 3], [1, 9], [2, 6]] 9 풀이방식 여기서 힙(heap) 이란? 힙(heap)은 최댓값 및 최솟값을 찾아내는 연산을 빠르게 하기 위해 고안된 완전이진트리(complete binary ..

문제링크 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 프로그래머스_힙_더맵게 계산식: 섞은 음식의 스코빌 지수 = 가장 맵지 않은 음식의 스코빌 지수 + (두 번째로 맵지 않은 음식의 스코빌 지수 * 2) 스코빌 지수를 담은 배열 scoville과 원하는 스코빌 지수 K가 주어질 때, 모든 음식의 스코빌 지수를 K 이상으로 만들기 위해 섞어야 하는 최소 횟수를 return 불가능하면 -1 return 풀이방식 heapq를 이용 힙 힙(heap)은 최댓값 및 최솟값을 찾아내는 연산을 빠르게 하기 위해 고안된 완전이진트리(complete binary tre..

※공부하고 이해한 내용을 나름대로 정리한 포스팅입니다. 올바르지 않은 내용이 있을 가능성도 있습니다. Ensemble(앙상블)기법이란?_2/2 지난 포스팅 : 학습 모델의 오류(편향과 분산)와 그 해결 2019/06/15 - [데이터분석/데이터 분석 개념] - ToDo 머신러닝#1_Ensemble_1/2; 학습 모델 오류 이해 ■ Ensemble기법 유형 1. Bagging(배깅) 2. Boosting(부스팅) 1. Bagging Bagging은 Bootstrap Aggregating의 약어로, 통계학에서의 Bootstrap은 한 표본을 여러 데이터셋으로 다시 샘플링(Resampling)하는 것을 의미하고 Aggregating은 집계를 의미하여, 쉽게 말해, 한 표본을 resampling하여 집계하는 기..

※공부하고 이해한 내용을 나름대로 정리한 포스팅입니다. 올바르지 않은 내용이 있을 가능성도 있습니다. Ensemble(앙상블)기법이란?_1/2 머신러닝 기법 중 하나인 Ensemble(앙상블)기법이란 샘플링된 각 데이터 셋을 여러 모델들을 통해 학습시킨 후 각 모델의 예측 결과를 집계하여 더욱 정확한 예측 결과를 뽑아내는 기법을 말합니다. Ensemble기법을 이해하기 위해선, 학습 모델의 예측 오류를 이해하여야 합니다. Ensemble기법의 목적이 그 오류를 해결하는 것이기 때문입니다. ■ 학습 모델의 예측 오류 학습 모델의 예측 오류는 크게 1. Bias(편향) 2. Variance(분산) 으로 나뉘고 이는 각각 under-fitting과 over-fitting로 이어집니다. (참고; 아래 그림은 회..

※데이터 전처리는 이전 포스팅에 개재 2019/05/06 - [데이터분석/분석 연습] - Kaggle 캐글 연습#1_Titanic 타이타닉 생존자 예측_1/2 데이터 전처리 데이터 준비 데이터 변수(feature)확인 탐색적 데이터 분석(EDA) Feature Engineering 예측 모델 구축 및 적용 모델 평가 이번 포스팅에서는 예측 모델 적용과 평가를 진행하도록 하겠습니다. 2. 예측 모델 구축 및 적용 타이타닉 데이터 분석의 목적은 "승객들의 생존 여부 예측"으로, 1. Classification(분류) : 생존 or 사망 2. Regression(회귀) : 변수 간 선형 인과관계를 조사하여, 종속 변수(생존)의 관측치를 예측 이렇게 2가지 분석으로 좁혀집니다. 이는 머신러닝 중 지도학습(Sup..

분석연습에 사용된 프로그램은 "Jupyter Notebook" 입니다. 캐글 커널 중, "Titanic Data Science Solutions - by Manav Sehgal" 의 상당 부분을 참고하였습니다. 그 외에도, 다수의 블로거분들의 분석을 참고하였습니다. 링크는 아래에 기재하였습니다. 데이터셋은 캐글 링크를 참고해주세요. 분석 과제 타이타닉 호 침몰 사건 당시의 사망자와 생존자를 구분하는 요인 분석을 통해, "승객들의 생존 여부를 예측하는 모델 구축" 분석에 들어가기 앞서.. 특히 모델과 알고리즘을 구축하는 경우, 분석의 과정은 크게 2가지로 나뉩니다. 1. 데이터 전처리: 주어진 데이터를 파악 후, 모델에 최적화된 형태로 변형합니다. 2. 모델링: 최적화된 데이터에 모델을 적용 및 perfo..