기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

댓글 쓰기

About Aanaconda

1. 삭제방법
파이썬 아나콘다 사용시 삭제할 필요가 있습니다.
윈도우의 경우 제어판의 프로그램 추가/삭제에서 이 명령을 시행할 수 없기 때문에 설치한 디렉토리로 이동하여 uninstall.exe를 직접 시행하여야 합니다.
일반적으로 이 프로그램은 다음 경로에 존재합니다.
"C://사용자/컴퓨터 이름/ Anaconda3/ " : just me 버전으로 설치할 경우의 경로
"C://ProgramData/Anaconda3/": all user 버전으로 설치할 경우의 경로. ProgramData 디렉토리는 숨김폴더 이므로 메뉴에서 보기-숨김항목 표시를 체크 한후 찾을 수 있습니다.
이 디렉토리내에 존재하는 Uninstall_Anaconda3.exe를 실행하여 삭제합니다.

2. spyder upgrade
윈도의 CMD에서
우분투의 터미널에서 다음을 실행 합니다.
conda install -c anaconda spyder

in unbuntu
conda update conda
conda update anaconda
conda update spyder

3. 우분투에서 anaconda 설치
1) anaconda 홈에서 적합한 설치파일을 다운
2) 터미널에서 anaconda를 다운 받은 디렉토리로 진입
cd home/---/문서
3) 설치
# sha256sum Anaconda3-5.3.1-Linux-x86_64.sh
위 명령은 다운로드 받은 파일의 해시태그를 나타냅니다. 결과인 해시태그가 맞는지 아래의 사이트로 이동하여 확인합니다.
http://docs.anaconda.com/anaconda/insstall/hashes/lin-3-64
맞으면 다음과 같이설치합니다.
#bash  Anaconda3-5.3.1-Linux-x86_64.sh

4. Jupyter notebook browser 설정

  1. .jupter 폴더 내에 존재하는 jupyter_notebook_config.py 이동
  2. 이 파일내에 c.NotebookApp.browser =""에 사용할 browser의 경로를 입력
  3. 경로에서 "\"는 '/'로 교환하고 마지막에 %s를 첨가
Labels:

댓글

댓글 쓰기

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같
댓글 쓰기
Read more »

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()
댓글 쓰기
Read more »

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b
댓글 쓰기
Read more »