exestudiary

출처 : 데이콘 train.csv : 모델을 학습하기 위해 사용하는 데이터 test.csv : 모델을 통해 정답을 예측하기 위해 사용하는 데이터 sample_submission.csv : 예측한 정답 값을 기록하여 제출하기 위한 샘플 정답 파일 순서 (출처: 데이콘, 영화 관객 수 예측 프로젝트) 1. 데이터 불러오기 2. 데이터 확인 3. 데이터 이해 4. 결측치 이해 5. 결측치 처리 6. 모델 구조의 이해 7. 모델링

반복문 - 문장을 반복 실행하는 경우에 사용 FOR문 # for 문 (for loop/statement) 형식 for ( in ) { } # 설정한 변수 가 지정된 구간 에서 변하면서 # 문장 을 반복실행 # 반복문; for loop ---- for (i in 1:3) { print(i) } for (i in c("a", "b", "c")){ print(i) } for(i in 5:3){ print(i) } # 반복문 : 1~1000합 구하기 ---- sss = 0 for(i in 1:100){ sss = sss + i } ## exercise ---- x = 3 for(i in 1:5){ x = x*2 } sss = 0 for(i in 100:200){ sss = sss + i } kk = 1 for(..

이산확률분포 # 이산확률분포 - random number 활용 x = 0:n y = dbinom(x, n, p) plot(x,y, type = "h", xlim = c(0,n), lwd = 3, col = "tomato") # 추출하는 난수의 개수 조정 n = 25 p = 0.2 random.x10 = rbinom(10, n, p) plot(table(random.x10), xlim = c(0,n), lwd = 3, col = "red") mean(random.x10) ; var(random.x10) random.x100 = rbinom(100, n, p) plot(table(random.x100), xlim = c(0,n), lwd = 3, col = "red") mean(random.x100) ; v..

R에서 제공하는 분포 관련 함수 density function of dist. - d### (x, ......) distribution function of dist. - p###(q, ......) # = P(X > {P(X

이산확률분포 이산균등분포 > n개의 불연속적인 값을 가지는 확률변수 X가 아래와 같은 pmf를 가질 때 이산균등분포를 따른다고 하고, > X~U(a,b) 혹은 X~unif(a,b)로 표기함. p(x) = 1/n , x = a, a+1, .... ,b ## 이산균등분포 (Discrete uniform distribution) ---- n = 10 p = 1/n x = 1:n p.x = rep(p, n) plot(x, p.x, xlim = c(1,n), ylim = c(0,1)) 베르누이 시행 > 결과가 오직 두 가지 결과만을 가지고 성공할 확률이 일정한 실험 이항분포 > 이항실험에 대해서 n번 시행 중 꼭 x번의 성공할 확률 > 베르누이 시행을 n회 시행했을 때 나오는 총 성공 횟수를 확률변수 X라고 하면..

데이터를 시각화 하기 전에 파일 불러오기 setwd("C:\\Users\\user\\OneDrive - 경북대학교\\통계학과\\1-2\\R프로그래밍 및 실험") #1 dat1 = read.csv("w7_2 csv.csv") # 띄어쓰기를 .으로 구분함 #2 dat1 = readr::read_csv("w7_2 csv.csv") # 띄어쓰기 있는 곳은 ``으로 묶어서 표기 시각화를 통해 데이터 분포 확인 히스토그램 hist(dat1$나이) 기호에 따라서 히스토그램을 더 보기 좋게 만들 수 있음. hist(dat1$나이, main = "예제데이터의 나이(1)", xlab = "age", ylab = "빈도") # x축의 이름: xlab # y축의 이름: ylab hist(dat1$나이, main = "예제데이..

1. 데이터 읽어오기 # as 명령어로 pd 별칭 지정하기 import pandas as pd # train.csv, test.csv, sample_submission.csv 파일을 읽어옵니다. train = pd.read_csv('train.csv') test = pd.read_csv('test.csv') submission = pd.read_csv('sample_submission.csv') 2. 데이터 확인하기 # 데이터의 개수, 열 이름, 결측값의 수, 데이터 타입 등을 확인할 수 있습니다. train.info() 3. Column 열 확인 train.columns() 4. 데이터 기술 통계량 확인 train.describe() 5. 무작위 샘플데이터 확인하기 train.sample(10) 6. ..

정렬 (sorting) - 일반적으로 정렬하는 변수는 수치형이거나 문자형 - 종류: 오름차순, 내림차순 - 숫자 > 영어 > 한글 - sort(, ...) - 예시 c("a", "b", "가", "나", "1", "2") vec = sample(c("a","b","가","나","1","2"), 10, replace = T) sort(vec) # ascending sort(vec, decreasing = T) # descending sort(c("a", "b", NA), na.last = NA) sort(c("a", "b", NA), na.last = TRUE) # NA의 값이 제일 뒤에 출력 sort(c("a", "b", NA), na.last = F) # NA의 값이 앞에서 출력 그룹화(grouping..

mat1 = matrix(1:20, nr = 5, nc = 4) mat2 = matrix(-1:-20, nr = 5, nc = 4) mat0 = matrix(0, nr = 5, nc = 4) # 모든 항을 0으로 만들어줌. 즉, 영행렬을 만들어줌. mat1 + mat2 == mat0 # T, 값 하나하나를 지정해서 T를 출력해줌. mat1 - mat1 == mat0 # T, 값 하나하나를 지정해서 T를 출력해줌. 10*mat1 ; mat1/2 # 항마다 곱해주고 나눠줌. t(mat1) # transposed matrix(전치행렬) : 대각선을 기준으로 뒤집은 행렬 행렬 A의 덧셈의 역원: -A 항등행렬(I): 대각성분은 모두 1, 나머지 원소는 0인 행렬 행렬의 곱셈 AI = IA = A AB = BA ..

행렬 (matrix) - 동일한 자료형인 원소로 구성된 2차원의 자료 구조 배열 (array) - matrix의 확장된 형태로 3차원 이상의 배열을 의미 - 동일한 자료형, n 차원 이상 array(,dim = c(행의 수, 열의 수, 페이지 수)) # 참조 [, , ] [, , ] [, , ] [, , ] # 예시 # 첫 항이 0이고 끝 항이 10인 길이가 48이 되는 등차수열을 원소로 가지는 3X4X4 배열 arry1 arry1 = array(seq(0, 10, length = 48), dim = c(3,4,4)) arry1[3,2,3] arry1[3,2, ] arry1[1, , ] arry1[ ,3, ] 리스트(list) - vector와 같은 선형구조 - 각 원소별로 다양한 형태의 자료를 가질 수..