| 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 | 31 |
- 사이킷런
- 파이썬
- 클린코드
- 키 종류
- 무결성유지메커니즘
- sklearn
- 문자열
- DROPTABLE
- 세대별가비지컬렉터
- 백준
- ALTERTABLE
- latent factor
- 무결성유지
- 붓꽃데이터셋
- 주성분 찾기
- SQL
- SQLDDL
- 힙
- TDD
- 알고리즘
- latent factor model
- knn_classify
- 컨테이너객체
- Hyperlink Graphs
- Key 종류
- Python
- RENAMETABLE
- 잠재요소모델
- 무결성
- CREATETABLE
- Today
- Total
목록Python (2)
DonHurry
모듈 불러오기 사용할 모듈을 import 합니다. import matplotlib.pyplot as plt import numpy as np import requests 데이터 불러오기 본 실습에서는 하이퍼링크 그래프 데이터를 requests를 활용하여 불러오겠습니다. example_index는 노드 정보이고, example_arc는 엣지 정보입니다. with open("example_index", "wb") as f: r = requests.get("http://webdatacommons.org/hyperlinkgraph/data/example_index") f.write(r.content) with open("example_arcs", "wb") as f: r = requests.get("http:/..
본 포스트에서는 Pytorch와 Scikit-learn을 통해 선형 회귀 (Linear Regression) 분석을 수행해보겠습니다. 누구나 쉽게 따라할 수 있도록 간단하게 진행됩니다. 학습 데이터 생성 우선 간단한 학습 데이터를 생성해줍니다. 이때 x 데이터에 대한 y 값은 다음과 같습니다. import torch x = torch.tensor([[1, 2], [3, 2], [3, 7], [1, 1], [1, 0]], dtype=torch.float) y = torch.tensor([[4], [8], [23], [1], [-2]], dtype=torch.float) W, b 초기화 다음으로 가중치(weight)와 편향(bias)를 초기화시켜줍니다. 이때 학습률(learning rate)는 임의의 값으로..