printf("ho_tari\n");

from sklearn.datasets import fetch_openml mnist = fetch_openml('mnist_784') print(mnist.data) import matplotlib.pyplot as plt plt.imshow(mnist.data.values[0].reshape(28,28),cmap = 'gray') from sklearn.model_selection import train_test_split X_train,X_test,y_train,y_test = train_test_split(mnist.data,mnist.target,test_size=0.1) from sklearn.ensemble import RandomForestClassifier from sklearn.metr..

# 필요한 라이브러리 임포트 from sklearn.preprocessing import LabelEncoder # 라벨 인코딩을 위한 라이브러리 임포트 from sklearn.preprocessing import OneHotEncoder # 원핫 인코딩을 위한 라이브러리 임포트 import numpy as np # 배열 조작을 위한 넘파이 라이브러리 임포트 import pandas as pd # 데이터프레임 생성 및 가공을 위한 판다스 라이브러리 임포트 from sklearn.datasets import load_iris # 아이리스 데이터셋 로드 from sklearn.preprocessing import StandardScaler # 표준화를 위한 스케일러 라이브러리 임포트 from sklearn...

from sklearn.base import BaseEstimator import numpy as np class MyDummyClassifier(BaseEstimator): def fit(self, x, y=None): pass def predict(self, x): pred = np.zeros((x.shape[0], 1)) # 0으로 채워진 배열 생성 for i in range(x.shape[0]): if x['Sex'].iloc[i] == 1: # 'Sex' 열의 값이 1인 경우 0으로 예측 pred[i] = 0 else: pred[i] = 1 # 'Sex' 열의 값이 1이 아닌 경우 1로 예측 return pred # 예측 결과 반환 import pandas as pd from sklearn.mo..

# pandas 라이브러리 가져오기 import pandas as pd # CSV 파일을 읽어서 DataFrame 생성 df = pd.read_csv('data/scientists.csv') # DataFrame 출력 print(df) # DataFrame에서 'Name'과 'Age' 열 선택 및 출력 print(df['Name', 'Age']) # 'Age' 열의 평균값 출력 print(df['Age'].mean()) # 'Age' 열의 값이 평균보다 큰지 확인하고 True/False 출력 print(df['Age'] > df['Age'].mean()) # 'Age' 열의 값이 평균보다 큰지 확인하고 결과를 리스트로 변환하여 출력 print(df['Age'].mean() < df['Age'].to_li..

import sklearn from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split import pandas as pd # Iris 데이터셋을 로드합니다. iris = load_iris() # iris는 Bunch 객체로, 다양한 정보를 포함하고 있습니다. # 데이터의 타입을 확인합니다. type(iris) # bunch는 사전(dictionary)과 비슷한 데이터 타입입니다. # Iris 데이터의 특성(Features)을 출력합니다. print(iris['data']) # Iris 데이터에 포함된 키(필드)들을 ..

import pandas as pd # 판다스를 사용하여 'titanic_train.csv' 파일을 읽어 데이터프레임을 생성 df = pd.read_csv('titanic_train.csv') print(df) # 데이터프레임 출력 # 'Age' 열의 누락된 값을 해당 열의 평균값으로 대체 df['Age'].fillna(df['Age'].mean(), inplace=True) # 'Cabin'과 'Embarked' 열의 누락된 값을 각각 'N'으로 대체 df['Cabin'].fillna('N', inplace=True) df['Embarked'].fillna('N', inplace=True) # 'Sex'와 'Survived' 열을 기반으로 그룹화하고, 각 그룹별로 'Survived' 값의 개수를 세어 ..

# 전체 SoccerPlayer 코드 class SoccerPlayer(object): def __init__(self, name, position, back_number): self.name = name self.position = position self.back_number = back_number def change_back_number(self, new_number): print("선수의 등번호를 변경한다: From %d to %d" % (self.back_number, new_number)) self.back_number = new_number def __str__(self): return "Hello, My name is %s. I play in %s in center." % (self.na..