Round Here

Introduction to Statistical Learning 4 장, Classification 중 - Logistic Regression을 Python으로, Logistic Regression scikit-learn과 statsmodels 두 형태로 Classification Model의 평가를 위한- Confusion Matrix, Accuracy, Sensitivity, Precision 등 내용도 함께

Introduction to Statistical Learning 3 장 - Python으로, Linear Regression

ISLR 3장 Linear Regression 내용을 Python (Jupyter Notebook)으로 만든 것을 몇일 전 GitHub에 올렸다. 다른 내용들도 정리되는 대로 차례로 올려야겠다. GitHub Repo : https://github.com/hyunblee/ISLR-with-Python.git

어느새 4년이 되었다. 2013년 지금은 기억이 안나는 어디선가 좋은 책이 나왔다고 해서 읽기 시작한 것이 ISLR (Introduction to Statiscal Learning with application in R) 이다. 1983년 Duda & Hart의 "Pattern Classification and Scene Analysis"와 Tou & Gonzalez의 "Pattern Recognition Principles" 를 읽기 시작한 이후 꽤 많은 패턴인식이나 머신러닝책들을 보았다. 4년전 당시 막 익힌 R을 이용하면 머신러닝(데이터사이언스)을 이공계 출신이 아닌 사람들도 쉽게 사용할 수 있어 그에 맞는 책을 찾아보고 있었다. 쉽고 친절하면서도 내용을 우스개거리로 만들지 않으며 핵심을 집는 그런..

■ Numpy 의 1D array를 2D array의 row_vector나 column_vector 로 변환해 주어야 할 경우가 종종 발생해결책:- row vector로 변환하려면: array_1d.reshape((1, -1)) # -1 은 해당 axis의 size를 자동 결정하라는 뜻 - column vector로 변환하려면; array_1d.reshape((-1, 1)) 예)

■ Pandas 의 Series/DataFrame 선택(& slice) 시 loc, iloc, ix 메소드 활용 Pandas의 Series 와 DataFrame의 element, row, column들을 선택하는 방법이 여러 가지. - 기본 Python list와 같은 sequence 타입 경우와 헷갈리기도 하고, 또 R과 헷갈리기도 함. - DataFrame 경우 가장 간단히 한 개의 column을 선택하려면DataFrame_name.column_name 이 유용- 다른 경우에는 가능한 일관되게 iloc(), loc(), ix() 메소드들 씀이 좋음. 이 방법들은 R에서의 selection과도 흡사. - iloc(), loc(), ix() 의 사용법 : http://stackoverflow.com/qu..

■ ipynb 파일을 열었더니 Jupyter notebook kernel이 구동되지 않으며 "None not found"가 뜰 때- "ipython notebook" 에서 "jupyter notebook" 으로 진화하고자 얼마전 최신 Anaconda로 업데이트하니, 사양: Python 3.5.2 |Anaconda 4.1.1 (추가로 Python 2.7.11 env 설치) - 외부에서 갖고 온 ipynb notebook을 열 때 kernel이 구동되지 않고 "None not found"가 뜨며 옆에 위치한 "Kernel" 선택 dropdown 콘트롤도 안 먹힘. ▶ 해결책 : http://stackoverflow.com/questions/38517887/why-does-jupyter-display-none..

Semantic Net으로 시작했는데 Frame같이 됨. OOP가 널리 사용되는 지금, Semantic Net의 노드와 Edge가 클래스의 instance들로 구현되기에 이제 Semantic Net과 Frame 구별은 사실 의미없음.Node와 Edge를 class의 instance로 만듬. Node가 여러 타입이 될 수 있게 했음. Edge도 역시. 따라서 하나의 노드에 multiple incoming relation/edge가 있고, multiple outgoing edge가 있을 수 있음. Node 타입의 식별을 Base - Sub class로 하지 않고, node의 attribute으로 했음. Python의 dictionary 같은 기본 데이터구조가 워낙 쓰기 편해 굳이 class hierarchy..

Artificial Intelligence meets Natural StupidityKnowledge Representation, Reasoning을 읽다가 따라오게 된 글. 70년대 logic/Symbolic AI가 한참 연구될 당시에 연구자들이 포장하던 것, 얼버무린 것 그리고 그런 것을 우려하던 얘기. 인공지능, 자연어 처리, GPS 이런 말들을 너무 쉽게 사용하긴 했다. 70년대 초에도 "자연어 인터페이스"가 곧 될 것이라 생각했다고... (God help us, a top-level "ego loop"). 이 말 멋있다. Emasculated misnomer. 완전 알맹이가 없는 부적절한 명칭이라고, Semantic Net이. is-a 관계를 너무 쉽게 생각해 안되는 곳에도 갖다붙였나? memb..

Ref : Differential과 Derivative의 차이는? 어떻게 이해해야 하나? ■ Differentials z = f(x, y). If △x and △y are the increments of x and y, then the increment of z is △z = f(x + △x, y + △y) - f(x, y) Definition: If z = f(x, y), then f is differentiable at (a, b) if △z can be expressed as, If z = f(x, y), then f is differentiable at (a, b) if the partial derivatives fx and fy exist and are continuous at (a, b) Fo..