분류 전체보기469 API with Python(feat.공공데이터포털)(4) - Python 데이터 정제 후 Excel로 변환하기 이제 API with Python 마지막 시간 입니다. 저번 시간에 데이터 불러오기까지 했으니 지금부터는 데이터를 정제하여 excel 파일로 변환하는 것까지 진행하겠습니다. 필요한 라이브러리를 불러옵니다. from bs4 import BeautifulSoup import pandas BeautifulSoup이나 pandas는 나중에 설명드리겠습니다. 계속 따라해 보세요 저번에 실행했던 response를 넣어줍니다. soup = BeautifulSoup(response.text, 'html.parser') ItemList=soup.findAll('item') 다음 코드를 실행해보면 for item in ItemList: print(item) print("---------------------------").. 2019. 9. 11. 정규분포 - 개념 정규분포 정규분포의 그래프는 종 모양의 곡선입니다. 종 모양의 곡선을 분포로 가지는 연속형 확률변수 $X$를 정규 확률변수라 합니다. 정규 확률변수 $X$의 밀도 함수는 $n(x;\mu, \sigma)$로 표시합니다. 즉, 평균 $\mu$와 표준편차 $\sigma$에 의해 결정됩니다. 모양은 평균 $\mu$를 중심으로 좌우대칭의 종 모양, 퍼짐은 표준편차에 의해 달라집니다. 정규분포 확률밀도함수 $n(x;\mu, \sigma) = \frac {1}{\sqrt {2\pi}\sigma} e^{-\frac {1}{2\sigma^{2}}(x-\mu)^{2}}$, $-\infty 2019. 9. 11. Chap02 통계 학습(3) 오늘은 저번 시간에 이어서 왜 더 현실적이고 유연한 모델을 쓰면 안 되는 지를 설명드리겠습니다. ● 예측 정확성과 모델 해석 가능성 사이의 상충관계 1. 회귀 분석같은 단순한 방법은 모델 해석을 더 쉽게 할 수 있다(추론 부분에서 더 뛰어남.) 예를 들어 선형 모델에서 $\beta_{j}$는 다른 모든 변수를 일정하게 유지했을 때 $\mathbf {X_{j}}$의 한 단위 증가에 대한 Y의 평균 증가입니다. 2. 예측에만 관심이 있어 첫번째 이유와 관련이 없어도 복잡한 모델 대신 간단한 모델로 더 정확한 예측을 할 가능성이 있습니다. 직관적으로 보이지는 않지만 더 유연한 모델이 오히려 적합시키기 어렵다는 사실과 관련됩니다. ● 나쁜 추정 비선형회귀 방법은 매우 유연하지만 f에 대해 나쁜 추정을 할 수 있.. 2019. 9. 11. Chap02 통계 학습(2) (통계학을 공부하다 보면 오히려 한국어로 번역하는 것보다 영어로 쓰는 게 의미 파악을 훨씬 쉽게 할 수 있습니다. 그러나 영어를 싫어하는 분도 계신 점을 고려하여 둘 모두 쓰겠습니다.) ● f를 추정하는 2가지 이유 1. 예측(Prediction) 2. 추론(Inference) ● 예측 f의 좋은 추정치를 만들 수 있고 $\varepsilon$의 분산이 너무 크지 않다면 새로운 값 X에 대한 Y의 값을 정확히 예측할 수 있습니다. ● 추론 Y와 X들의 관계에 대해 궁금해할 수 있습니다. ex) 어떤 특정 X가 실제로 Y에 영향을 미칠까?, 부정일까 긍정일까, 단순한 선형일까 아니면 더 복잡할까? 등등이 있습니다. ● f를 추정하는 방법에 대해 알아보겠습니다. 훈련 데이터(Training data)를 얻었.. 2019. 9. 6. 이전 1 ··· 108 109 110 111 112 113 114 ··· 118 다음
