| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- da
- 프로젝트
- 히트맵
- 데이터 분석
- 태블로
- 클러스터링
- 크롤링
- data analyst
- 시각화
- cross join
- 최종 프로젝트
- jd
- SQL
- 전처리
- 서브쿼리
- 팀프로젝트
- 머신러닝
- If
- 군집화
- pandas
- 프롬프트 엔지니어링
- 데이터분석
- 기초통계
- lambda
- GA4
- streamlit
- Python
- Chat GPT
- 기초프로젝트
- SQLD
Archives
- Today
- Total
목록Gradient Boosting Model (1)
세조목
머신러닝 - 의사결정나무, 랜덤포레스트, KNN, 부스팅 알고리즘(24.02.02)
목차 의사결정나무 랜덤 포레스트 KNN(최근접 이웃) 부스팅 알고리즘 1. 의사결정나무 import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from sklearn.preprocessing import LabelEncoder from sklearn.tree import DecisionTreeClassifier, plot_tree titanic_df = pd.read_csv('경로.csv') 의사결정나무를 만들려면 sklearn.tree 라이브러리의 DecisionTreeClassifier 클래스를 가져와야한다. X_features = ['Pclass', 'Sex', 'Age', 'Fare', 'Embarked'] # 평균으로 ..
데이터 분석 공부/머신러닝
2024. 2. 2. 21:24