[시계열 분석] 날짜, 시간 자료형, 도구 - datetime, 문자열변환, pandas 이용
[시계열 분석] 날짜, 시간 자료형, 도구 - datetime, 문자열변환, pandas 이용 1) datetime from datetime import datetime now = datetime.now() print(now) # 2022-04-20 21:32:09.347718 print(now.year, now.month, now.day) # 2022 4 20 delta = datetime(2022,1,7) - datetime(2008,6,24,8,15) print(delta) # 4944 days, 15:45:00 print(delta.days) # 4944 print(delta.seconds) # 56700 # timedelta를 더하거나 빼면 그만큼의 시간이 datetime객체에 적용되어 새로운 ..
2022. 4. 21.
[머신러닝] KNN 회귀 (K-최근접 이웃 회귀) - 결정계수, 과대적합, 과소적합 문제 해결
[머신러닝] KNN 회귀 (K-최근접 이웃 회귀) - 결정계수, 과대적합, 과소적합 문제 해결 1) 데이터 준비 import numpy as np perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0, 21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7, 23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5, 27.5, 28.0, 28.7, 30.0, 32.8, 34.5, 35.0, 36.5, 36.0, 37.0, 37.0, 39.0, 39.0, 39.0, 40.0, 40.0..
2022. 4. 11.
[머신러닝] 데이터 전처리 K-최근접 이웃 KNN (표준점수로 특성의 스케일 변환)
[머신러닝] 데이터 전처리 K-최근접 이웃 KNN (표준점수로 특성의 스케일 변환) 1) 데이터 준비 : 도미 방어의 길이, 무게 데이터 fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0, 9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0] fish_weight =..
2022. 4. 8.
[머신러닝] KNN 훈련데이터와 테스트 데이터로 나누기 (shuffle() 이용)
[머신러닝] KNN (K-최근접 이웃, K-Nearest Neighbors) 훈련데이터와 테스트 데이터로 나누기 1) 데이터 살피기 # 도미, 방어 데이터 fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0, 9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0] fis..
2022. 4. 6.
