데이터 공부하는 뉴욕킴

import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.linear_model import LogisticRegression from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection import GridSearchCV from sklearn.metrics import confusion_matrix,classi..

1. 문자열을 입력받아 반대로 출력하는 코드 작성 inStr, outStr='','' #변수를 설정(문자열 입력받을 변수, 거꾸로 저장하는 변수) count,i=0,0 #count는 문자열의 개수를 저장 i는 0,1,2,~~변환 inStr=input('문자열을 입력하세요: ') count=len(inStr) #문자열의 개수만큼 반복 for i in range(0,count): outStr += inStr[count-(i+1)] print('내용을 거꾸로 출력 --> %s' % outStr) 문자열을 입력하세요: 안녕하세용 내용을 거꾸로 출력 --> 용세하녕안 2. 대문자와 소문자 변환하기 ss='My name is Sally' ss.upper() 'MY NAME IS SALLY' ss='My name i..

함수: '무엇'을 넣으면 '어떤 것'을 돌려주는 상자 (함수는 외부에 별도로 존재, 메서드는 클래스 안에 존재) 예제1. 커피를 타는 과정 코드 만들기 coffee=0 coffee=int(input('어떤 커피 드릴까요? 1.보통 2. 설탕 3.블랙')) if coffee==1: print('종이컵을 준비한다') elif coffee==2: print('설탕 커피를 탄다') elif coffee==3: print('블랙커피를 탄다') else: print('아무거나 탄다') 어떤 커피 드릴까요? 1.보통 2. 설탕 3.블랙3 블랙커피를 탄다 예제1-1. 커피를 타는 과정 코드 만들기(함수 사용: 여러잔 사용시 용이) coffee=0 def coffee_machine(button): if coffee==1..

여학생의 평균 신장에 대한 95% 신뢰구간을 구하여라.n=50; xbar=162; s=5 lb

표본추출과 표본분포 (week 6) 데이터분석을 위한 통계 랜덤 표본 (random sample) 추출 :알려진 확률 분포로부터 임의로 데이터를 생성 예를 들어, 지난 몇년간 통계학 입문 강좌를 수강하는 학생들의 기말시험성적이 평균 50점, 표준편차 20점의 정규분포를 따른다는 사실을 알고 있다고 하자. 이 분포를 따르는 성적자료 100개를 임의로 생성해보자. n=100, mean=50, sd=20, rnorm() : 정규분포 rnorm(n, mean=0, sd=1) sample.data

표본추출과 표본분포 (week 6) 데이터분석을 위한 통계 랜덤 표본 (random sample) 추출 :알려진 확률 분포로부터 임의로 데이터를 생성 예를 들어, 지난 몇년간 통계학 입문 강좌를 수강하는 학생들의 기말시험성적이 평균 50점, 표준편차 20점의 정규분포를 따른다는 사실을 알고 있다고 하자. 이 분포를 따르는 성적자료 100개를 임의로 생성해보자. n=100, mean=50, sd=20, rnorm() : 정규분포 rnorm(n, mean=0, sd=1) sample.data

print(“200 + 100”) 출력값>> 200+100 print(200 + 100) 출력값>> 300 print(int(“200”) + 100) 출력값>> 300 #형 변환 함수 int()에 의해 문자열 “200”이 정수타입으로 바뀐다. 실습3-1. 삼성전자라는 변수로 50,000원 바인딩하고 주식 10주를 보유했을 때 총 평가금액 출력 str="삼성전자" a=50000 total=a*10 print("내 주식 총액은",total) # 실습3-3 s="hello" t="python" print(s,"!",t) %f는 디폴트로 소수점 아래 여섯 자리까지 무조건 출력 %“소수점을 포함한 전체 자릿수”.“소수점 아래 표현할 자릿수”f print(“%d / %d = %5.1f” % (10, 4, 10 / ..

분류 - 학습 데이터로 주어진 데이터의 피처와 레이블값을 머신러닝 알고리즘으로 학습해 모델을 생성하고, 생성된 모델에 새로운 데이터 값이 주어졌을 때 미지의 레이블 값을 예측하는 것 분류를 구현할 수 있는 다양한 머신러닝 알고리즘 베이즈(Bayes) 통계와 생성 모델에 기반한 나이브 베이즈(Naive Bayes) 독립변수와 종속변수의 선형 관계성에 기반한 로지스틱 회귀(Logistic Regression) 데이터 균일도에 다른 규칙 기반의 결정 트리(Decision Tree) 개별 클래스 간의 최대 분류 마진을 효과적으로 찾아주는 서포트 벡터 머신(Support Vector Machine) 근접 거리를 기준으로 하는 최소 근접(Nearest Neighbor) 알고리즘 심층 연결 기반의 신경망(Neural..

[인공신경망을 이용한 부도예측모형의 구축] 232DSN02 김나윤 1. Data & Variables 1) 여러 변수 중 어떤 변수를 입력변수와 출력변수로 사용하였는지 설명하시오. - 기업의 재무, 비재무정보를 입력변수로 사용하였고, 기업의 부도여부를 종속변수로 설정해 모형을 구축해보았습니다. 2) 변수 선정 기준 - 재무제표 분석시 많이 사용하는 항목들을 찾아보고 Y에 영향을 미칠 것 같은 변수들을 선택했으며 독립변수끼리 서로 겹치지 않도록 노력했습니다. - x35 순운전자본/총자산 → 유동성 - x10 운전자산구성비율1 → 안정성 - x14 이익잉여금구성비율1 → 안정성 - x11 유동부채/자기자본 → 안정성 - x16 총차입금/매출액1 → 안정성 - x39 경영자본회전율1 → 활동성 - x19 기업..

1번쨰 도전------------ X6 순부채/총자산 X7 순자산배율 X11 유동부채/자기자본 X15 재고자산/유동자산 X21 총자산순이익률 X22 매출액영업이익율 X23 매출액경상이익률 X24 매출액순이익률 X25 이자보상비율 X33 현금성자산비율1 X35 순운전자본/총자산 X38 재고자산회전기간1 X47 현금이자보상배율 은닉층 20 -> 88.8% 2번쨰 도전------------ 금융비용대매출액 매출액순이익율 X24 매출액영업이익율 X22 총자산경상이익율 X20 유동부채대총자산 X11 유형자산증가율 X13 경영자산회전율 X18 순금융비용 순운전자본대총자산 유동자산증가율 자기자본경상이익율 X45 3번째 도전--------------- x23 매출액경상이익율 x24 매출액순이익율 x25 이자보상비율 x..