Notice
Recent Posts
Recent Comments
Link
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 | 29 | 30 |
Tags
- IRIS
- 태블로
- Deep Learning Specialization
- pandas
- tableau
- 딥러닝
- SQL
- 통계
- pytorch
- r
- 회귀분석
- 머신러닝
- 파이썬
- SQLD
- 이것이 코딩테스트다
- 데이터분석준전문가
- 데이터 분석
- ADsP
- 이코테
- Python
- 자격증
- matplotlib
- scikit learn
- 데이터 전처리
- 데이터분석
- sklearn
- ML
- 시각화
- 코딩테스트
- Google ML Bootcamp
Archives
- Today
- Total
목록센터링 (1)
함께하는 데이터 분석
[Scikit Learn] PCA
주성분 분석(Principal Component Analysis) 차원을 축소하는 알고리즘 중 가장 인기 있는 알고리즘 사이킷런 import numpy as np np.random.seed(4) m = 60 w1, w2 = 0.1, 0.3 noise = 0.1 angles = np.random.rand(m) * 3 * np.pi / 2 - 0.5 X = np.empty((m, 3)) X[:, 0] = np.cos(angles) + np.sin(angles)/2 + noise * np.random.randn(m) / 2 X[:, 1] = np.sin(angles) * 0.7 + noise * np.random.randn(m) / 2 X[:, 2] = X[:, 0] * w1 + X[:, 1] * w2 + n..
데이터분석 공부/ML | DL
2022. 8. 28. 20:06