๊ตฐ์งํ๋ฅผ ํตํ ๋ฐ์ดํฐ ํน์ฑ ํ์
! K-ํ๊ท ๊ตฐ์งํ โ ์ฌ์ ์ ๊ตฐ์ง ๊ฐ์ k๋ฅผ ๊ฒฐ์ โ ๊ฐ ๊ตฐ์ง ์ค์ฌ๊ณผ ๋ฐ์ดํฐ ๊ฑฐ๋ฆฌ ์ฐจ์ ์ ๊ณฑ ํฉ์ ์ต์ํ ์ํค๋ ๊ฒฝ์ฐ๋ฅผ ์ฐพ๋ ๋ฐฉ์ import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import KMeans df = pd.read_csv('/Users/gyeongmincho/Desktop/๋ํ๊ต/๋ํ๊ต ๊ต์ ๋ฐ ์์
์๋ฃ pdf/2ํ๋
/์ปดํ 2/์ฐ์ต/๊ตฐ์งํ/menu.csv') df_data = df.loc[:, ['๊ฐ๊ฒฉ','ํ๋งค๋']] km = KMeans(n_clusters=4, random_state = 0) km.fit(df_data) result = km.predict(df_data) df..
๐ป ์ปดํจํฐ/๐ฆ ํ์ด์ฌ
์น ํฌ๋กค๋ง์ ํตํ ์ ๋ณด์ ์์ง ์น ํฌ๋กค๋ง / ์น ์คํฌ๋ฉํ ์น ํฌ๋กค๋ง : ์น์ ์กด์ฌํ๋ ๋ฌธ์๋ฅผ ๋ค์ด๋ก๋ํ์ฌ ๊ฐ์ ธ์ค๋ ๊ฒ ์น ์คํฌ๋ฉํ : ์น ๋ฌธ์๋ก๋ถํฐ ๋ถ์ํ๊ณ ์ ํ๋ ์ ์๋ฏธํ ์ ๋ณด๋ฅผ ์ถ์ถํ๋ ๊ฒ BeautifulSoup์ ํ์ฉ (์ ์ ํฌ๋กค๋ง) requests : HTTP ๋ผ์ด๋ธ๋ฌ๋ฆฌ์ ํ๋๋ก, URL ์ฃผ์๋ฅผ ํ ๋๋ก ์น ๋ฌธ์๋ฅผ ๋ถ๋ฌ์ฌ ๋ ์ ์ฉํ๊ฒ ์ฐ์ import requests page = page.text โ ๋ฅผ ํตํด ํ
์คํธ์ ํํ๋ก ๋ณํํด์ค์ผ ํจ BeautifulSoup( ) โ ๋ณผ ์ ์๋ ํํ๋ก ๋ณด์ฌ์ค BeautifulSoup์ โfind_all( โ โ , class_ = โ~~ โ )๋ฅผ ํตํด ์ํ๋ ์์๋ฅผ ๋นผ๋ด์ฌ ์ ์์ ๊ณต๋ฐฑ ์ ๊ฑฐ์, ๊ตฌ๋ฌธ ์ญ์ each_data.txt โ ๋ถํ์ํ ๊ตฌ๋ฌธ๋ค ์ญ์ ..
๋ฐ์ดํฐ ๊ณผํ๊ณผ python ๋ฐ์ดํฐ๋ฅผ ํตํด ์ฃผ์ด์ง ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ๋ ์ ๊ทผ๋ฒ Pandas import pandas as pd Numpy import numpy as np Matplotlib import matplotlib.pyplot as plt ์ฃผ์ด์ง ์๋ฃ๋ฅผ ํ๋กฏ ๋๋ ์ฐจํธ๋ก ์๊ฐํํ๊ธฐ ์ํ ๋ผ์ด๋ธ๋ฌ๋ฆฌ Pandas & DataFrame ์ฌ์ฉ๋ฐฉ๋ฒ import (์ธ๋ถ ๊พธ๋ฌ๋ฏธ) (์ธ๋ถ๊พธ๋ฌ๋ฏธ).ํจ์๋ช
() ์ ํํ๋ก ๋ง์ด ์ฌ์ฉ๋จ โ.โ์ ์ญํ ์ โ~์ ๋๋ ๋์, ์ก์
โ์ ์๋ฏธํฉ๋๋ค ์ฝ๊ธฐ : pd.read_excel(โํ์ผ๋ช
.xlsxโ) or pd.read_csv(โํ์ผ๋ช
.csvโ, engine = โpythonโ) ๋ค์ โengineโ์ ๋ฐ์ดํฐ์ ๊นจ์ง์ ๋ฐฉ์ง ์์ฑ : DataFrame ํ์ฑ๋ฐฉ๋ฒ ์ด ์ ๋ชฉ์ key, ..
์ ์ฐจ์ ํ๋ก๊ทธ๋๋ฐ ๊ฐ์ฒด์งํฅ ํ๋ก๊ทธ๋๋ฐ ์ ์ฐจ์ : ์ผ๋ จ์ ์ ์ฐจ๋ฅผ ๋ฐ๋ฆ / ํจ์ ์ ์ ํ ์ ์ ํ ์ํฉ์ ํธ์ถ ๊ฐ์ฒด์งํฅ : ํ๋ก๊ทธ๋จ์ ๊ตฌ์ฑํ ์ค์ถ์ ๊ฐ๋
์ ๊ฐ์ฒด๋ก ๋๋ ํํ์ ํ๋ก๊ทธ๋๋ฐ / ๊ฐ์ฒด๋ ๋ฐ์ดํฐ๋ฅผ ๊ฐ์ง๊ณ ์์ผ๋ฉฐ ํน์ ํ ์ ์ฐจ๋ฅผ ์ํํ๊ธฐ๋ ํจ Class โ๊ฐ์ฒด์ ๋ํ ์ค๊ณ๋โ ๊ฐ๋ณ ์ธ์คํด์ค๋ฅผ ์์ฑํ ๋, ํด๋น ํด๋์ค๋ช
์ด์ฉ ํด๋์ค ์์ฑ : ์ธ์คํด์ค ๋ชจ๋๊ฐ ๊ณต์ ํ๋ ์์ฑ (ํด๋์ค ์ ์๋ถ์ ์์ชฝ์ด๋ฉฐ, ๋ฉ์๋ ๋ฐ์์ ์ ์ธ๋์ด์ผ ํจ) ์์ฑ์ : ์ด๋ค ๊ฐ์ฒด๊ฐ ์๋ก ๋ง๋ค์ด์ง ๋ ํจ๊ป ํธ์ถ๋๋ ๋ฉ์๋ โ ์ธ์คํด์ค ์์ฑ์ด ํฌ์
๋จ โinit(self, , ,)โ ๋ฑ์ผ๋ก ์ฐ์ด๋ฉฐ ๊ดํธ ์ ์์๊ฐ ์ธ์๋ก ์ฐ์, โ.โ์ โ์โ์ ์ฐ์name = name์์ ์ฐ๋ณ์ ๊ฐ์ ์์ชฝ ๊ฒ, ์ผ์ชฝ์ ๋ฐ๊นฅ์ชฝ ์๋ฉธ์ : ์ด๋ฏธ ์กด์ฌํ๋ ์ด๋ ํ..
์ญ์ง์๋ฅผ ์ด์ง์๋ก ์ด๋ป๊ฒ ๋ณํํ๋? [์ง๋ฒ๋ณํ] 2์ง์,8์ง์,10์ง์,16์ง์ ์ฝ๊ฒ ๋ณํํ๋ ๋ฐฉ๋ฒ ์์๋ณด๊ธฐ! ์ด์ง์ - ์๋ฅผ 0๊ณผ 1๋ก๋ง ํํ ์์์ ์์๋ฅผ ๊ตฌ๋ถํ๊ธฐ ์ํ ๋นํธ๊ฐ ํ์ ๋ถ๋์์์ ๋ฐฉ์ - (1.???? X 2^??)๊ผด์ ์๊ตฌํจ + 2๋ ์๋จ. ๋ถํธ๋ถ(sign) โ ๊ฐ์ฅ ์ 1๋นํธ/ -1^sign ์ด๊ธฐ ๋๋ฌธ์, 0์ผ ๋ ์์, 1์ผ ๋ ์์๊ฐ ๋จ. ์ง์๋ถ(exponent) โ ๋ถํธ๋ถ ๋ค ๋นํธ, 2^ ๋ค์ ๋ค์ด๊ฐ๋ ์ / ์์ ํฌ๊ธฐ๋ฅผ ๊ฒฐ์ ํจ / ์ง์๊ฐ ์์์ผ ๊ฒฝ์ฐ์๋ ๋ฌธ์ ๊ฐ ์๊ธธ ์ ์์ด -> bias๋ฅผ ์ฌ์ฉํ๋ค. ์์๋ ์์๋ ์ผ์ ํ ๊ฑฐ๋ฆฌ๋งํผ ๋ฐ์ด๋ฒ๋ฆผ -> ์๊ฐ ํ๊ฒฐ๊ฐ์ด ์ปค์ง (ex -1์ด 2๊ฐ ๋จ) ์ฆ, 7์๋ฆฌ ๋นํธ์ ๊ฒฝ์ฐ 3๊ฐ, 9์ ๊ฒฝ์ฐ 4๊ฐ ์ด๋ฐ์์ผ๋ก ๋๋ ์์์๊ฒ๋ ๊ธฐํ๋ฅผ ์ค๋ค...
๋ฐ์ดํฐ ์ ๋ ฌ ๋ฐฉ๋ฒ๋ก Bubble sort ๋ฐฉ๋ฒ ์ด์๋ผ๋ฆฌ ๋น๊ตํด ๋ค์ง๊ธฐ โ ์ ์ฒด ์นด๋ ์๋ฅผ n์ด๋ผ๊ณ ํ๋ฉด ๋ค์ง๋ ํ์๋ n-1๋ก ํ๋ ๋ ์ ์ด๋ ๋จ ๋ผ์ด๋ ์ํ : ์ด n๊ฐ์ bubble์ด ์์ ๋, n-1๊ฐ์ ๋ผ์ด๋๊ฐ ์ํ๋จ. ๋ง์ง๋ง ํ๋๋ ํ์ฐ์ ์ผ๋ก ์ต์์ด๊ธฐ ๋๋ฌธ ๋ ์์๋ฅผ ๋ค์ง์ ๋, j[1], j[2] = j[2], j[1]์ ํ์์ผ๋ก ์ ์ ์ ์์ Insert sort ๋ฐฉ๋ฒ Insertion sort : ์์ ํ๋๋ฅผ ๊ณจ๋ผ ์ ์ ํ๊ฒ ์ฝ์
ํ๋ค. ๋ผ์ด๋ ์ํ : ๋ ๋ฒ์งธ ์์๋ฅผ ๋ฝ์, ์์ ์๋ ์์๋ค๊ณผ ๋น๊ตํด ์ ์ ํ ์๋ฆฌ์ ๋ค์ด๊ฐ๋๋ก ํ๋ ๋ฐฉ๋ฒ Selection sort ๋ฐฉ๋ฒ Selection sort : ์ต์ ์์๋ฅผ ์ ํํด ๋งจ ์๊ณผ ๋ง๋ฐ๊พผ๋ค. ๊ฐ์ ๋ง๋ฐ๊พธ๊ธฐ ์ํด์๋, index ๊ตฌ๋ฌธ์ ์ด์ฉํจ. (๋ฆฌ..