여니의 글로벌 도전기

2020.09.28 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 50회차 미션 48회차랑 49회에서는 조회수가 높게 나오는 채널을 1위부터 100위까지 막대그래프를 그려봤고, 이번 시간에는 조회수가 높게 나오는 제목을 뽑아서 보고싶기 때문에,soynlp과 wordcloud를 이용해서 시각화해보는 실습을 했다. 👉 먼저 soynlp 설치 하고, LTokenizer로 단어의 경계를 따라 L-R 분리줬다. 여기서 L과 R을 알아야하는데, L은 한글에서 의미를 가지는 부분인 명사, 동사를 뜻하고, R은 을과 었어-와 같은 조사나 어미를 뜻한다. LTokenizer로 L인 의미를 지닌 단어만 추출해서 유효한 키워드를 알아 볼 수 있다. df_hot_top = df_hot[df_sorted['v..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 28. 03:12

2020.09.27 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 49회차 미션 48회차에서 국내 인기채널 순위를 순서대로 시각화하기 위해 colaboratory 환경을 설정하고, 데이터를 불러와 필요한 데이터만 추려냈다. 오늘은 이에 이어 group을 해줘서 조회수 100위를 순서대로 막대그래프📊를 그려봤다. 👉 groupby로 묶어서 합계 파이썬 개념을 배우면서 강사님께서 데이터 시각화를 위해 groupby 코딩을 많이 쓴다고 하셨는데 이번 실습 예제에서 이렇게 한번 써본다..ㅎㅎ 채널에 속한 각각 동영상의 조회수를 합하기 위해 df_chanel_view_sum = df_drop_sorted.groupby(df['channel_title']).sum() df_chanel_view_s..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 27. 03:01

2020.09.26 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 48회차 미션 코딩- 파이썬- 머신러닝의 개념을 배우고 이를 토대로 연습예제를 해보고 마케팅, 유튜브, 헬스케어, 비즈니스 금융의 실전예제를 가지고 직접 데이터를 시각화해봤다. 이 다섯가지 중에 '국내 유튜브 인기채널 순위'가 가장 흥미로워보이고 배워보고 싶었던 것이라 유튜브 실전예제부터 강의를 들었다ㅎㅎ 실전예제부터 강사분이 바꼈는데, 유튜브 동영상으로 봤던 '조코딩'분이 강의를 진행하셔서 신기하고 반가웠다. 이번 실전예제에서 우리가 국내 유튜브 데이터파일을 가지고 알아보고 싶은 것은 국내 인기채널 순위를 순서대로 시각화, 인기영상들의 제목을 분석하고, 많은 조회수를 부르는 키워드는 어떤건지? 활용하는 것이었다. 데이터..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 26. 03:43

2020.09.24 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 46회차 미션 45회차에서는 lasso와 Ridge의 알고리즘 다 사용한 poly ElasticNet 를 실습해보았고, 확실히 라쏘와 릿지보다 더 낮은 오차가 있고 성능이 좋음을 알 수 있었다. 그 다음에는 앙상블에 대한 개념을 배웠는데, 앙상블의 4가지 종류 중 하나인 보팅을 배웠다. 📍 베깅 베깅은 샘플에 대한 다양한 그룹군을 만든다음에, 그 것에 대한 각각의 알고리즘을 예측한다음에 결과값을 토대로 앙상블한다. 사용하기 편하고 성능이 좋아서 많은 사람들이 사용하지만, 역시 단일모델을 사용하는 것에 한계가 있다. 수학시간에 배운 조합..? 과 비슷한 것 같다. 이전에 배웠던 디시젼 트리도 이 베깅 앙상블을 기반으로 했다..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 24. 03:19

2020.09.23 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 45회차 미션 📈Polynomial Features 선형함수로 계속 실습을 했는데, feature의 개수가 많아질때 즉 인풋이 많아질때 계수?값을 바꿔가면서 최적의 우리의 선형함수를 만들게되는데, Polynomial Features를 하면 여러가지 다양한 피처를 고려할 수 있게되어 더 많은 정보량을 받을 수 있기 때문에 모델 성능이 올라가는 경우가 있다. from sklearn.preprocessing import PolynomialFeatures poly = PolynomialFeatures(degree=2, include_bias=False) poly_pipeline = make_pipeline(PolynomialFe..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 23. 03:08

2020.09.22 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 44회차 미션 43회차에서는 42회차에서 배운 '규제'를 바탕으로 릿지, 라쏘, Elastic Net그래프를 출력해서 규제정도를 어떻게 줬을 때 모델의 성능이 높은지 판단하는지 강의를 통해서 배웠다. 오늘은 3가지 스케일러에 대해서 배웠는데, 머신러닝 전처리에서 훑어보고 지나간 것이라 복습하는 느낌으로 강의를 들었다. 📈 스케일러Scaler 먼저 from sklearn.preprocessing import StandardScaler, MinMaxScaler, RobustScaler 으로 임포팅주고! 👉Standard Scale Standard Scale은, 평균(mean)을 0, 표준편차(std)를 1로 만들어 주는 스케..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 22. 03:11

2020.09.21 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 43회차 미션 43회차에서 학습이 과대적합되는 것을 방지하고자 penalty를 부여하는것 '규제'를 배웠고, 이 규제에는 각 가중치의 제곱 합에 규제강도를 곱해서 더해주는 L2 규제와 가중치의 절대값의 합에 곱해서 더해주는 L1 규제가 있다. 오늘 강의에서는 이 각각의 규제를 활용한 모델인 릿지와 라쏘를 어떻게 도출하는지? 배웠다. 📍 릿지 릿지를 도출하려면, alphas = [100, 10, 1, 0.1, 0.01, 0.001, 0.0001] —> 규제정도 for alpha in alphas: ridge = Ridge(alpha=alpha) ridge.fit(x_train, y_train) pred = ridge.pre..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 21. 03:15

2020.09.20 [패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 42회차 미션 41회차에서 배운 걸 복습해보면, 머신러닝 중에 회귀예측은 모델을 선언하고 '수치값을 예측하는것'이다. MSE는 실제값과 예측값의 오차의 제곱 평균으로, 모델의 성능을 판단하는데 사용되는 평가지표이다. 오늘은 어제 배운 평가지표 MSE에 이어 MAE와 RMSE를 마저 배우고 과적합 되는 것을 방지하기 위해 패널티를 주는 '규제'를 배웠다. 👉 MAE (Mean Absolute Error) MAE (Mean Absolute Error)은 실제값과 예측값의 차이즉, 오차의의 절대값의 평균이다. 오차값이 -1 그리고 또다른 오차값이 1이되어서 합해서 0이 되는 것을 막기 위해서 하는게 mean absolute e..

같이 공부해요/패스트캠퍼스ㅣ직장인을 위한 파이썬 데이터분석 올인원 패키지 Online 2020. 9. 20. 03:32