전체 글79 [Streamlit] Streamlit의 기초! 텍스트 출력하기 Streamlit 간단히 알아보기 Streamlit은 데이터 과학자와 개발자가 빠르게 웹 앱을 생성할 수 있게 도와주는 파이썬 라이브러리입니다. 코드 몇 줄만으로 대화형 시각화 및 대시보드를 만들 수 있어, 복잡한 프론트엔드 지식이 없어도 웹 기반의 데이터 애플리케이션을 쉽게 제작할 수 있습니다. Streamlit은 빠른 프로토타이핑 및 데이터 분석 결과의 공유에 특히 유용합니다 오늘은 기초를 다지기 위한 텍스트 출력을 배워보겠습니다. Streamlit에서 다양한 헤더 스타일 사용하기 대제목: st.title() 함수를 사용하여 애플리케이션의 메인 제목을 생성할 수 있습니다. st.title('*타이틀* -대') 2. 중제목: st.header() 함수를 사용하여 부제목 또는 중요한 섹션 헤더를 추가할 .. 2023. 8. 7. [AI] Kaggle 데이터로 데이터 분석하기 _ League of Legends Diamond Ranked Games 안녕하세요! 23년 6월 24일에 있을 빅데이터 분석기사 실기를 준비하면서 준비를 해도 불안함 마음으로 더 많은 자료를 찾는 분들이 있으실 텐데요 조금이라도 도움이 되고자 Kaggle 데이터를 활용해서 작업형 2 유형을 다뤄보겠습니다! Kaggle 입문자들에게도 좋을 것 같네요 https://www.kaggle.com/datasets/bobbyscience/league-of-legends-diamond-ranked-games-10-min League of Legends Diamond Ranked Games (10 min) Classify LoL ranked games outcome by looking at the first 10min worth of data www.kaggle.com 데이터는 오른쪽 상.. 2023. 6. 17. [AI] Kaggle 데이터로 데이터 분석하기_ Student's Academic Performance Dataset 안녕하세요! 23년 6월 24일에 있을 빅데이터 분석기사 실기를 준비하면서 준비를 해도 불안함 마음으로 더 많은 자료를 찾는 분들이 있으실 텐데요 조금이라도 도움이 되고자 Kaggle 데이터를 활용해서 작업형 2 유형을 다뤄보겠습니다! Kaggle 입문자들에게도 좋을 것 같네요 https://www.kaggle.com/datasets/aljarah/xAPI-Edu-Data Students' Academic Performance Dataset xAPI-Educational Mining Dataset www.kaggle.com 데이터는 오른쪽 상단에서 Copy API command를 통해 가져오실 수 있습니다 이후 다음처럼 발급받은 username과 key를 입력하도록 하겠습니다 os.environ['KAG.. 2023. 6. 17. [AI] Kaggle Data로 데이터 분석하기_Heart Failure Prediction 안녕하세요! 23년 6월 24일에 있을 빅데이터 분석기사 실기를 준비하면서 준비를 해도 불안함 마음으로 더 많은 자료를 찾는 분들이 있으실 텐데요 조금이라도 도움이 되고자 Kaggle 데이터를 활용해서 작업형 2 유형을 다뤄보겠습니다! Kaggle 입문자들에게도 좋을 것 같네요 Heart Failure Prediction 12 clinical features por predicting death events. www.kaggle.com 데이터는 오른쪽 상단에서 Copy API command를 통해 가져오실 수 있습니다 이후 다음처럼 발급받은 username과 key를 입력하도록 하겠습니다 os.environ['KAGGLE_USERNAME'] = 'sihyunlee9604' os.environ['KAGGL.. 2023. 6. 16. [Error] ImportError: cannot import name 'getNsvData' from 'getData' 파이썬 파일에 함수를 만들어서 다른 파일에서 여는 작업을 흔하게 하곤한다. 하지만 이때 위 제목과 같은 에러가 발생하곤 한다. 사실 이전까지는 이런 경험이 없었는데 별짓 다 해봐도 이유를 못찾겠어서 한참 헤맸다. getData라는 파일이 이미 있어서 그렇다는건데, 이러한 경우는 파일의 명을 바꿔주면 된다. 코드가 정상적으로 실행되는 것을 확인할 수 있다. 2023. 6. 9. Anomaly Detection_PCA PCA(Principal Component Analysis)는 데이터셋에서 가장 중요한 변수를 추출하고 차원을 축소하는 데에 널리 사용되는 방법입니다. 이 기법은 고차원 데이터를 저차원으로 축소하여 시각화 및 분석을 용이하게 하며, 불필요한 정보를 제거하여 노이즈를 감소시키는 효과가 있습니다. PCA 기반 이상탐지는 PCA를 사용하여 데이터의 차원을 축소한 후, 축소된 차원에서 이상값을 탐지하는 방식입니다. PCA는 데이터의 고유값(eigenvalues)과 고유벡터(eigenvectors)를 계산하여 이들을 이용하여 데이터를 재배치합니다. 이렇게 재배치된 데이터에서는 상위 고유값에 해당하는 고유벡터가 가장 중요한 변수를 나타내므로, 이를 기반으로 데이터의 차원을 축소할 수 있습니다. 장점: 변수 선택과 .. 2023. 5. 3. Anomaly Detection_t-SNE t-SNE(t-Distributed Stochastic Neighbor Embedding)는 고차원 데이터를 저차원으로 축소하고 시각화하는 데에 널리 사용되는 방법입니다. t-SNE는 PCA와 달리 비선형 구조에 대해서도 효과적으로 처리할 수 있습니다. 이 방법은 데이터의 분포를 보존하면서 데이터 간의 거리를 최대한 보존하는 데에 중점을 둡니다. t-SNE 기반 이상탐지는 t-SNE를 사용하여 데이터의 차원을 축소한 후, 축소된 차원에서 이상값을 탐지하는 방식입니다. t-SNE는 데이터의 구조를 보존하면서도 차원을 축소하기 때문에, 데이터의 비선형 구조를 보존할 수 있습니다. t-SNE 기반 이상탐지의 장단점은 다음과 같습니다. 장점: 비선형 구조에 대한 처리: t-SNE는 비선형 구조에 대해서도 효과적.. 2023. 5. 3. Anomaly Detection_One-Class SVM One-class SVM(anomaly detection)은 비지도 학습 알고리즘으로 데이터셋에서 이상치를 식별하는 데 사용됩니다. 다른 SVM 알고리즘과 달리 훈련을 예상 클래스인 데이터의 한 클래스만 사용합니다. 그런 다음 알고리즘은 일반 클래스와 크게 다른 이상을 식별하는 방법을 학습합니다. 단일 클래스 SVM은 데이터를 N차원 공간으로 변환하여 작동하며 각 차원은 데이터의 기능을 나타냅니다. 그런 다음 알고리즘은 일반 클래스와 이상값을 구분하는 초평면(또는 2D 데이터의 경우 평면)을 그립니다. 초평면은 Support Vector라고 하는 가장 가까운 데이터 점과 초평면 사이의 거리를 최대화하는 방식으로 배치됩니다. 초평면과 가장 가까운 데이터 포인트 사이의 거리를 마진이라고 하며 정상 클래스와 .. 2023. 5. 2. Anomaly Detection_AutoEncoder AutoEncoder Anomaly Detection은 오토인코더 신경망을 사용하여 데이터 세트에서 이상을 식별하는 비지도 학습 유형입니다. 오토인코더는 입력을 출력에 복사하도록 훈련된 신경망으로, 중간에 병목 현상 레이어가 추가되어 입력을 잠재 벡터라고 하는 저차원 표현으로 압축합니다. 그런 다음 디코더는 이 잠재 벡터를 가져와 원래 입력을 재구성합니다. 오토인코더는 데이터를 저차원 공간으로 압축한 다음 원래 형태로 다시 재구성하여 데이터에서 가장 중요한 기능을 추출하는 방법을 학습합니다. 그 과정에서 필수 특성을 캡처하는 데이터의 압축된 표현을 학습합니다. 오토인코더 이상 감지를 사용하려면 일반 데이터에서 오토인코더를 훈련한 다음 이를 사용하여 새 데이터 포인트를 재구성합니다. 원래 데이터와 재구성된.. 2023. 5. 2. 이전 1 2 3 4 5 6 ··· 9 다음
