올리비아 코딩스쿨

목차 SOM 자기조직화지도 Self- organizing Map 대뇌피질과 시각피질의 학습 과정을 모델화한 인공신경망으로 자율 학습에 의한 클러스터링 수행하는 알고리즘 Map size 설정(군집분석으로 SOM 사용할 때는 군집의 수를 차원의 수로 맞추기) 학습을 하며 Map이 수정되며 데이터분포형태에 중심을 이동하며 Map을 데이터에 맞게 근사시킨다. Map m: 그리드의 행, n: 그리드의 열, dim: c차원 SOM(m=3, n=1, dim=4)라면, SOM을 3x1 그리드 형태로 생성하고, 입력 데이터 차원은 4로 설정한다. 입력 데이터를 클러스터링하고, 차원축소하는데 사용한다. SOM은 입력 데이터를 그리드 내에 위치시키고, 학습을 통해 이러한 위치를 조정하며 입력 데이터 간의 유사성을 반영한다 ..

목차 데이터를 동적인 화면으로 구성하여, 데이터가 말하고자 하는 이야기를 쉽게 캐치할 수 있도록 해보자. import folium import pandas as pd # Import folium MarkerCluster plugin from folium.plugins import MarkerCluster # Import folium MousePosition plugin from folium.plugins import MousePosition # Import folium DivIcon plugin from folium.features import DivIcon 1. Folium 생성 1) folium.Map(location=, zoom_start=) nasa_coordinate = [29.559684888..

목차 map map은 파이썬 내장함수이다. 각 시퀀스의 각 요소에 ()안의 함수를 적용하여 새로운 시퀀스를 생성한다. 이 함수는 주로 list, tuple 등 iterable한 객체에 사용된다. # 예시 1: 리스트 요소 제곱하기 numbers = [1, 2, 3, 4, 5] squared_numbers = list(map(lambda x: x**2, numbers)) print(squared_numbers) # 출력: [1, 4, 9, 16, 25] # 예시 2: 문자열 길이 구하기 fruits = ["apple", "banana", "cherry"] lengths = list(map(len, fruits)) print(lengths) # 출력: [5, 6, 6] pandas로 dataframe을 만들..

map(적용할 함수, iterable한 대상) 위의 맵함수를 통해 반환되는 iterator 객체는 list나 tuple과 같은 sequence 자료형으로 변환 가능하다. def square(x): return x ** 2 lst = [1, 2, 3, 4, 5] squared_lst = list(map(square, lst)) print(squared_lst) # 출력: [1, 4, 9, 16, 25] 판다스 unique() df['칼럼명'] df.loc[label] df.iloc[index] -preprocess df_can.drop(['AREA','REG','DEV','Type','Coverage'], axis=1, inplace=True) df_can.rename(columns={"OdName":"C..