pbj0812의 코딩 일기

0. 목표 - python을 이용한 최소제곱법과 경사하강법 구현(1차식 한정) 1. 실습 1) library 호출 import numpy as np import pandas as pd import matplotlib.pyplot as plt 2) 데이터 생성 - 대략 2x + 1 의 느낌으로 생성 df = pd.DataFrame({"x" : [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], "y" : [3.1, 5.2, 7.1, 9.2, 11.2, 13.1, 15.2, 17.1, 18.9, 20.9]}) 3) 그림 plt.plot(df['x'], df['y']) plt.axis([0, max(df['x']), 0, max(df['y'])]) 4) 최소제곱법 테스트용 함수 구현 - 3x + 1 #..

0. 목표 - python을 통한 제곱합(SS), 제곱평균(MS), 처리간 제곱합(SSB), 처리내 제곱합(SSE), 총제곱합(SST) 구현 1. 기본 이론 1) 제곱합(Sum of Squares) - 관측값과 평균의 차이를 제곱하여 더해준 값, 변동(variation) 2) 제곱평균(Mean Squre) - 제곱합을 자유도로 나누어 준 값, 분산 3) 처리간 제곱합(Sum of Squares Between Treatments) - 각 처리평균 간의 차이를 측정 4) 처리내 제곱합(Sum of Squares due to Error) - 개별 관측값이 각 처리 평균으로부터 떨어진 차이를 측정 5) 총제곱합(Sum of Squares Total) - 개별관측값이 총평균으로부터 떨어진 차이를 측정 - 총 제곱..

0. 목표 - python을 이용한 십진법 변환기 제작 1. 플로우 차트 - 소수점을 기준으로 정수 부분과 소수 부분을 분리 - 정수 부분은 뒤집어서 순서대로 계산 - 각 계산결과 덧셈 2. 실습 1) 정수 변환 모듈 (1) list 형태로 받아서 숫자 하나씩 쪼갬(ex : 1101 => 1, 1, 0, 1) (2) 뒤집기 (3) for 문을 이용하여 십진법 변환 def numeral_int(inp, num): tmp = list(inp) tmp.reverse() len_inp = len(inp) result = 0 for i in range(len_inp): result += int(tmp[i]) * (num ** i) return result - 테스트 print(numeral_int('1101', ..

0. 목표 - python으로 최대공약수, 최소공배수 연산 1. 플로우 차트 - 가장 쉬운 방법은 둘 중 작은숫자에서 -1씩 빼면서 나누는 방법이지만... 재미없음. 2. 실습 1) 최소 숫자 추출 - 연산 효율 증대 목적 def min_num(a, b): if a < b: result = a else: result = b return result - 테스트 print(min_num(120, 20)) - 결과 20 2) 최대공약수 서브연산 모듈 (1) 1부터 시작해서 최소 숫자까지 수를 올리면서 나눗셈 연산 (2) 이때 나머지가 둘 다 0이 나오면 해당 수를 첫 번째 몫으로 추출 (3) 만약 마지막 연산까지 다 돌았을 때, a b에 대한 나머지를 검출하여 0이 아닐 경우 1로 변경(서로소 검출) (4) ..

0. 목표 - python을 이용한 파스칼의 삼각형 구현 1. 이론 - 원본 2. 실습 1) library 호출 import numpy as np 2) 함수 제작 (1) np.zeros 를 이용하여 정사각형 형태의 0으로 이루어진 행렬 생성 (2) 각 행의 처음과 마지막을 1로 채움 (3) inp가 2 보다 작은 경우는 1로만 채워져 있는 경우이기에 제외 (4) 세번째 행부터 시작하여 해당 위치의 숫자는 바로 위 위치에 있는 수와 이전의 수를 합친 결과 def pascal_triangle(inp): result = np.zeros((inp, inp)) for i in range(inp): for j in range(inp): if j == 0: result[i][j] = 1 elif j == i: res..

0. 목표 - python을 이용한 집합 연산하기 1. 실습 1) 데이터 생성 - 중복 제거도 적용하기 위해 값을 중복하게 입력 a = [1, 1, 2, 3, 4, 5, 5] b = [4, 4, 5, 6, 7, 8, 8] 2) 중복제거 함수 (1) 빈 리스트를 만들고 인풋 값이 해당 리스트에 존재하면 pass 존재하지 않으면 추가 def overlap(inp): result = [] for i in inp: if i in result: pass else: result.append(i) return result (2) 테스트 - 결과 : [1, 2, 3, 4, 5] print(overlap(a)) 3) 합집합 함수 (1) 두 리스트를 받아 더하고, 중복을 제거 def union(list1, list2): ..

0. 목표 - python을 통한 체계적 표본추출 구현 1. 이론 - 모집단의 기본단위를 순서대로 1 ~ N 까지 번호를 할당하고 표본추출간격 k=N/n으로 정함. - 첫째 구간에서 무작위로 기본단위 하나를 추출하여 그 번호가 a라면 표본은 a, a+k, a+2k... 인 기본단위들을 추출하여 구성 - 예시 원본 2. 실습 1) library 호출 import random 2) 함수 제작 (1) k 값으로는 모집단인 inp의 길이를 n 으로 나눠 구함. * 딱 맞아떨어지지 않는 경우가 많기에 int를 취하여 정수 형태(소수점 버림)로 만듬 (2) 모집단에서 k*n 이후의 나머지 부분은 버림 (3) 랜덤함수를 통해 0 ~ k-1 의 자연수 값을 구하여 a에 할당 (4) 반복문을 통하여 a + i*k 값을 ..

0, 목표 - python을 사용하여 단순 무작위 표본 추출을 사용한 표본의 수 계산 1. 준비 1) 단순무작위표본추출 정의 - 일정크기의 모든 표본조합이 표본으로 추출될 확률을 같게 놓으며, 모집단의 기본단위가 표본에 포함될 확률을 같게 하여 표본을 추출하는 방법 2) 문제 - 문제 10명의 선수를 가진 농구팀에서 각 선수가 경기당 올리는 평균득점을 편의상 3명의 평균득점으로 추정하고자 할때 가능한 표본의 수 2. 실습 1) factorial 구현 - 0이 입력값으로 들어갔을 경우에는 1 출력 def factorial(num): result = num while num > 1: num = num - 1 result = result * num if result == 0: result = 1 else: p..

0. 목표 - python을 이용한 귀무가설의 판정 1. 가설 설정(문제 원본 링크) - 여자와 남자의 성비는 1:1이라는 것은 편견이다.빨간색 차가 파란색 차보다 더 과속티켓을 많이 받는다고 한다. 전국적 평균 결과는 2:1의 비율로 빨간색 차가 높게 나타난다. 우리는 지역 경찰이 과속 티켓을 발부할 때 편견이 작용하는 것은 아닌지 알고 싶다. 만약 무작위로 빨간색 또는 파란색 자동차에 주어진 150장의 과속티켓을 추출했을 대, 지역 경찰이 편견을 가지고 티켓을 발부 했다면, 빨간색 차 100대, 파란색 차 50대가 나올 것이라고 예상할 수 있다. 2. 실습 1) 데이터 생성 dataset = ["r", "r", "r", "r", "r", "r", "r", "r", "r", "b", "b", "b", ..

0. 목표 - 최단 연결법 계산을 통한 덴드로그램 그리기 1. 준비 1) 예제 데이터 data2 = [[1, 1], [2, 2], [5, 5], [10, 10], [12, 12]] 2) 유클리드 거리 계산 - 파이썬 코드 - 결과 2. 실습 1) 최단 거리 검색 - 0과 1 사이의 거리가 가장 짦음(1.414214) 2) 0과 1을 하나로 묶고 각 집단 마다의 최소거리 계산 (1) d((2), (0, 1)) = min|d(2, 0), d(2, 1) = d(2, 1) = 4.242641 (2) d((3), (0, 1)) = min|d(3, 0), d(3, 1) = d(3, 1) = 11.313708 (3) d((4), (0, 1)) = min|d(4, 0), d(4, 1) = d(4, 1) = 14.142..