이서

Lv3 부터 EDA과정에 시각화를 진행한다. 가장 중요한 변수, 예측하고자 하는 변수인 종속변수의 분포를 시각해보자. matplotlub, seaborn 라이브러리로 시각화를 출력할 수 있다. 시각화 결과를 통해 머신러닝 방향성을 잡을 수 있다. import matplotlib.pyplot as plt import seaborn as sns 시각화를 진행할 때는 보통 copy() 메서드로 복사본을 생성한 후 진행한다 dfcopy=df.copy() seaborn의 distplot() 메서드를 이용한다. sns.distplot(df['피쳐명'],kde=True, bins=None) df['피쳐명']: 출력하고자 하는 컬럼 kde: 그래프에 선을 출력할건지 여부 bins: 출력할 막대그래프 갯수

Write a query that prints a list of employee names (i.e.: the name attribute) for employees in Employee having a salary greater than per month who have been employees for less than months. Sort your result by ascending employee_id. Input Format The Employee table containing employee data for a company is described as follows: where employee_id is an employee's ID number, name is their name, mont..

describe() 메서드는 다양한 통계량을 요약해준다. dataframe에 describe() 메서드를 실행시키면 각 열에 대해 요약이 수행된다. 결측치를 제외하고 수치형 데이터에 한해 데이터 요약이 수행된다. 기본적으로 count, mean, std, min, 1분위수, 2분위수, 3분위수, max 값이 출력된다. df.describe()

Write a query that prints a list of employee names (i.e.: the name attribute) from the Employee table in alphabetical order. Input Format The Employee table containing employee data for a company is described as follows: where employee_id is an employee's ID number, name is their name, months is the total number of months they've been working for the company, and salary is their monthly salary. ..

확률변수 1. 확률변수의 기댓값 - 확률변수의 결과값을 그 확률 변수의 확률분포를 가중치로 평균한 값 - 확률실험을 무한히 반복했을 때 관측되는 확률변수 값들의 평균 이산형 연속형 기댓값의 특성 2. 분산과 표준편차 확률변수의 분산(variance) 분산의 특성 3. 공분산 두 확률변수의 공분산(covariance) 분산과 공분산의 특성 독립일 경우 공분산이 0이 된다. 4. 상관계수 두 확률변수의 상관계수(correlation coefficient) 상관계수를 하기위해 선형 관계이여야하며, 산점도를 통해 데이터의 형태가 특정한 경우(데이터가 산발적으로 흩어져있는 경우) 전처리를 해준다.

확률변수와 확률분포 1. 확률변수와 확률분포의 개념 확률변수: 표본공간의 각 원소를 실수 값으로 바꾸는 함수, 확률분포를 가짐 이산표본공간: 유한개 또는 셀 수 있는 무한개의 원소로 구성된 표본공간 이산확률변수: ex) 동전의 앞면이 나올 떄까지의 시행 횟수 연속표본공간: 실직선 상의 임의의 구간으로 나타낼 수 있는 표본 공간 연속확률변수: ex) 사람의 키와 몸무게, 제품의 수명 이산확률분포: 이산표본공간의 확률변수로부터 생성된 확률분포 확률질량함수(probability mass function) 연속확률분포(continuous probability distrubution) -연속적인 값을 갖는 확률변수의 확률분포 -확률분포함수 f(x)는 확률 P(a

결측치를 확인해보자 EDA 과정에서는 우선적으로 결측치의 유무에 대해 반드시 파악을 해야한다. 결측치가 없다면 다음과정으로 넘어가도 되지만, 결측치가 존재한다면 이에 대한 조치를 취해야한다. df.isnull().sum()

Query the Name of any student in STUDENTS who scored higher than Marks. Order your output by the last three characters of each name. If two or more students both have names ending in the same last three characters (i.e.: Bobby, Robby, etc.), secondary sort them by ascending ID. # 나의 해답 SELECT NAME FROM STUDENTS WHERE MARKS > 75 ORDER BY SUBSTR(NAME,-3), ID ASC;

Query the list of CITY names from STATION that do not start with vowels and do not end with vowels. Your result cannot contain duplicates. Input Format The STATION table is described as follows: # 나의 해답 SELECT DISTINCT CITY FROM STATION WHERE SUBSTR(CITY,1,1) NOT IN ('A','E','I','O','U') AND SUBSTR(CITY,-1,1) NOT IN ('a','e','i','o','u') ;

EDA의 첫 번쨰 순서로 가장 기본적인 데이터 불러오기, 데이터 정보 관측하기, 데이터 크기 파악하기, 데이터 피쳐 알아보기를 진행한다. CSV 파일을 pandas DataFrame class로 불러오기 위해 read_csv() 메서드를 활용할 수 있다. df = pd.read_csv(‘경로') info() 메서드를 활용하여 데이터의 피쳐수와 컬럼명, 결측치여부, dtype에 대한 정보를 알 수 있다. df.info() shape attribute를 쓰면 데이터의 행갯수, 열갯수를 출력하여 데이터의 크기를 파악할 수 있다. df.shape head() 메서드를 통해 데이터의 대략적인 정보를 알 수 있다. df.head()