pandas 모듈을 이용하여 편의점 csv 파일을 만들것이다. (jupyter nootbook) jupyter nootbook을 사용하면 print을 안써도된다 기타 사용법은 알아서 찾아보시길 그 전에 짧은 txt 하나 테스트 member = pd.read_csv('member.txt') member 주의할점 Visual Studio Code로 작업할때 txt파일 위치의 절때경로를 써주던가 상대경로를 써줘야하는데 절때경로(C:/user/~~~)는 상관없으니 상대경로는 실행시키는 위치에 따라 인식이 안되는 경우가 많다 import sys import os dir = os.path.dirname(os.path.realpath(__file__)) data = dir + '/member.txt' 이런식으로 사용..
하이퍼바이저 : Host-Based : VMware Workstation, Oracle VirtualBox Baremetal : VMware vSphere ESXi 호스트 기반의 하이퍼바이저에서 일반적으로 사용하는 네트워크 모드 하이퍼바이저상에서 구동하고 있는 가상머신 -> Guest Machine (Virtual-PC) 하이퍼바이저를 구동하고 있는 시스템 -> Host Machine (Real-PC) 1. Host-Only Network Mode : Guest 머신들이 Host 머신하고만 네트워크 통신이 가능한 모드 (Guest 머신은 기본적으로 인터넷 사용 불가) 2. NAT Network Mode : Guest 머신들이 별도의 가상 서브네트워크(사설네트워크)에 소속되고 외부 네트워크와 통신할 때는 ..
일반적인 IT/엔터프라이즈 네트워크 구성요소 1) 네트워크 프로토콜 : ARP, DHCP, IP/TCP, SMTP, SSH, FTP, TELNET, SNMP, HTTP/HTTPS FTP : 파일 전송 프로토콜 -> 20번 포트 (데이터 포트) -> 21번 포트 (제어 포트) SSH/TLS : 원격 시스템을 로컬에서처럼 사용하는 암호화된 서비스 -> 22번 포트 TELNET : 원격 시스템을 로컬에서처럼 사용하는 서비스(IP/TCP 기반) -> 23번 포트 SMTP : 메일 체계 프로토콜 -> 25번 DHCP : IP가 고갈됨에 따라 등장한 Case -> 67번 (서버) -> 68번 (클라이언트) SNMP : 원격의 시스템을 네트워크상에서 관리하기 위해 사용되는 프로토콜 -> 161번 포트 (Agent 포..
ex = [1,2,3,4,5] f = lambda x : x **2 result = map(f, ex) #for문 리스트 컴프레션 print("Map result1=", result) print("Map result2=", list(result)) [출력] 같은 예 # list comprehension multiples = [n ** 2 for n in ex] print("Map result2=", list(multiples)) [출력] 조건 # filtering result4 = map(lambda x: x ** 2 if x % 2 == 0 else x, ex) print("Map result4=", list(result4)) result5 = [x ** 2 if x % 2 == 0 else x for..
패킹 : 한 변수에 여러 개의 데이터를 할당하는 것 t = [1, 2, 3] print(t) [출력] 언패킹 : 한 변수의 데이터를 각각의 변수로 반환하는 것 a, b, c= t print(a, b, c) [출력] 튜플 t = (1,2,3) print(t+t, t*2) print(len(t)) [출력] 순서 바꾸기 t = a, b, c c, b, a = t [출력] 순서 바꾸기2 a = input('Input a word:') reverse = '' for char in a: reverse = char + reverse print(reverse) [출력] 집합 #중복 허용 X s = set([1,2,3,4,5,1,2,3]) print(s) #추가 중복 허용X s.add(1) print(s) #삭제 s.r..
* 이 글의 내용은 O'REILLY의 '파이썬 라이브러리를 활용한 머신러닝' 책을 기반으로 한다. 1. 결정 트리 복잡도 제어 (1) 사전 가지 치기 : 트리 생성을 중단 (2) 사후 가지 치기 : 트리를 만든 후 데이터 포인트가 적은 노드 삭제 혹은 병합 2. 결정 트리 깊이 제한 : max_depth 3. 특성 중요도 : 각 특성의 중요도 평가 (전체 합 1) 4. 외삽 : 훈련 데이터의 범위 밖의 포인트 5. 앙상블(ensemble) : 여러 머신러닝 모델을 연결하여 강력한 모델을 만드는 기법 앙상블 방법론 : 부스팅, 배깅 6. 배깅(Bootstrap aggregation):중복을 허용한 랜덤 샘플링으로 만든 훈련 세트를 사용하여 분류기를 각기 다르게 학습 대표적인 모델 (1)랜덤 포레스트(Ran..
