본문 바로가기

전체 글163

[yolo]욜로활용한 도로 포트홀 구분프로젝트 (2) 포트홀 구분프로젝트(1) https://so-fast.tistory.com/entry/yolo%EC%9A%9C%EB%A1%9C%ED%99%9C%EC%9A%A9%ED%95%9C-%EB%8F%84%EB%A1%9C-%ED%8F%AC%ED%8A%B8%ED%99%80-%EA%B5%AC%EB%B6%84%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8⭐지난시간의 결론이번 실험에서는 정밀도와 mAP가 개선된것을 확인했지만 재현율의 한계로인해 탐지되지 않은 객체가 있었습니다.데이터가 많이 부족했던 탓도 있기때문에 데이터 증강, 에포크 추가 학습을 통해 성능개선을 시도해 볼 계획입니다. ⭐개선사항세부사항1. 데이터 증강 (서치)2. 에포크 70~100으로 늘려서 성능 안정화를 시도해보려고합니다.위처럼 결.. 2024. 12. 18.

[낙상 감지 프로젝트] 2024년 12월 17일(화) https://so-fast.tistory.com/entry/%EB%82%99%EC%83%81-%EA%B0%90%EC%A7%80-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8-2024%EB%85%84-12%EC%9B%94-16%EC%9D%BC%EC%9B%94 [낙상 감지 프로젝트] 2024년 12월 16일(월)전체 요약 12.16(월) - YOLOv8-pose와 미디어파이프 두가지 모델을 사용하여 낙상감지 프로젝트 구상 - 우선 YOLOv8n-pose로 관절값(코, 양쪽 어깨)을 json파일로 뽑아서 속도 임계값을 so-fast.tistory.com전체 요약 12.17(화) - 처음 잡힌 사람을 기준으로 하기 위해서 트래커를 적용 지난 회의때는 2명으로 잡히는 부분이 있었기.. 2024. 12. 17.

[AI활용 자연어처리 챗봇프로젝트] LSTM이란? LSTM GNN bi-LSTM 이번에는 위 모델에 관해서 학습을 했습니다. 사람같은경우는 빈칸이나 다음 말 자체를 빠르게 예측할 수 있습니다. 기계같은경우는 한 문장이 있으면 한 토큰단위로 기계?모델에 쭉쭉 들어가게되겠죠?그렇지만 지금 전에 배운 기본 RNN의 한계는 먼저 입력했었던 입력값들이 계산이 되면서 희미해지는 단점이 있습니다.즉 타임스텝이 길어질수록! 중요한 정보가 앞쪽에있을경우에는 시퀀스 학습이어려워지게되겠죠? 일반적으로 기본 순환층은 '긴 시퀀스'를 학습하기 어렵고시퀀스가 길어질수록 순환되는 은닉상태에 담긴 정보가 희석되기때문입니다.따라서 멀리 떨어져있는 단어 정보를 인식하는데 어려울 수 있습니다. 그래서 등장한것이 LSTM, GRU셀 입니다. 위 두 모델은 SimpleRNN보다 훨씬 계싼이.. 2024. 12. 17.

[낙상 감지 프로젝트] 2024년 12월 16일(월) 전체 요약 12.16(월) - YOLOv8-pose와 미디어파이프 두가지 모델을 사용하여 낙상감지 프로젝트 구상 - 우선 YOLOv8n-pose로 관절값(코, 양쪽 어깨)을 json파일로 뽑아서 속도 임계값을 구해보려고 함 - 그런데 속도값이 너무 높게나와 시각화를 해보니 - 한 사람에게 바운딩 박스가 2개 잡히고(심지어 틀리게 잡힌것이 conf값이 더 높게 나옴) - 순간 잡히는 정확도가 떨어짐 ➡ json파일 뽑는 코드는 확정됨 🚩현재 이상이 생긴 박스플롯(아래 영상)의 문제 해결 후 위와 다른 박스플롯이 나오면 문제 해결된 것으로 판단예정입니다.yolov8n-pose에서 두 바운딩 박스가 잡히는건 (값을 출력해 봐야겠지만) 한 명만 고정해서 트랙커하는걸로하려고 합니다.YOL.. 2024. 12. 16.

[yolo]욜로활용한 도로 포트홀 구분프로젝트 프로젝트 개요* 사진출처: - 구글링, 네이버를 통한 직접수집(커스텀)- pothole 37, nonpothole 37- 반수동 어노테이션 (roboflow) * 데이터 준비:-roboflow를 활용하여 반수동으로 어노테이션 작업 수행- 데이터 증강(grayscale, saturation, Exposure)을 통해 총 352장의 데이터 생성- 데이터 분할 [train 306 // Validation 30 // Test 16] 모델 학습 결과- 사용 모델 : YOLOv8n- 주요 지표 설명 ↓Precision: 탐지한 것 중 올바른 비율(높을수록 오탐지가 적음).Recall: 전체 객체 중 탐지한 비율(높을수록 탐지 성능이 좋음).mAP: 탐지 정확도를 종합적으로 나타냄.Speed: 학습 및 추론 속.. 2024. 12. 16.

[AI활용 자연어처리 챗봇프로젝트] 순차데이터, 순환데이터 댓글을 분석하면서 긍정인지 부정인지 딥러닝을 통해서 판단해보려고 합니다!글(텍스트 or 자연어)를 분석하는것은 순환신경망을 통해서 알 수 있습니다. 만약 회사라면? 하나하나 다 읽을 수 없겠죠? 그럴때 쓰기 좋을것같았습니다.이런걸 활용해서 사람들의 평가를 미리 확인해볼수있겠죠? 순차 데이터(Sequential Data) : 순서에 의미가 있는 데이터를 의미한다. 예를들면 텍스트나 시계열 데이터!텍스트 : i am a girl, girl am i 시계열 데이터 (time series data): 내일의 온도를 예측하기 위해서 온도 날짜 가 순서대로 있어야하고 주가를 예측하기 위해서 일별로 주가순서가 있어야된다! 만약 순서가 뒤죽박죽이라면...내일의 값을 예측할 수 없겠죠?근데 지금까지 했던 CNN이랑MN.. 2024. 12. 13.

YOLO의 한계점 실험 및 분석 - 작은객체탐지와 공간적 제약 1. 실험배경 · 목적실험배경 : yolo논문에서 제시된 한계점이 실질적 영향을 확인하고자 하였습니다.목적 : yolo의 한계점인 작은객체 탐지와 공간적 제약을 실험적으로 분석하고 개선 가능성을 탐구해보는것입니다. 2. 실험 목표와 한계점 정의실험에서 확인할 한계점1. 작은객체 탐지가 어렵습니다.=> 작은 객체를 정확히 로컬라이즈하는데 어려움을 느끼며, 근접한 여러 객체를 탐지하는데도 제한이 있습니다. 2. 공간적 제약이 있습니다=> 각 그리드 셀의 2개의 바운딩 박스만 예측하고 한 가지 클래스만 처리할 수 있기때문에 근접한 객체를 탐지하기 어렵습니다. 3. 손실함수의 한계가 있습니다. (이번실험에서는 제외되었음)=> 손실함수는 작은 바운딩 박스와 큰 바운딩박스에서 발생하는 오류를 동일하게 처리하여 .. 2024. 12. 12.

[AI활용 자연어처리 챗봇프로젝트] Word2Vec, 단어유사도 확인 / 완료 Word2Vec란?단어의 의미나 연관성을 벡터로 표현하는것을 의미합니다.단어의 의미를 벡터로 표현하면 연관된 단어나 단어의 유사도에게 확인할 수 있어요.그리고 의미 선형관계를 계산할 수 있기때문에 왕자-남성 + 여성=>공주 와 같은 계산을 할 수 있습니다. Word2Vec는 즉! 문장 내부의 단어를 벡터로 변환해주는 도구이고,단어의 연결을 기반으로 단어의 연관성을 벡터로 만들어줍니다 결국! 단어를 벡터로 표현해주는거죠유사도를 쉽게확인하기 위해서도 쓰입니다. 아래처럼 어떤 txt를 가져오고 보면어떤 txt를 가져오고 보면 \n제1편 어둠의 발소리\n서(序)\n1897년의 한가위.\n까치들이 울타리 안 감나무에 와서 아침 인사를 하기도 전에, 무색 옷에 댕기꼬리를 늘인 아이들은 송편을 입에 물고 마을길을 쏘.. 2024. 12. 11.

[AI활용 자연어처리 챗봇프로젝트] IMDB 리뷰 분류해보기 CNN에서의 대표적인 실습 할 수 있는것이 MNUST같은건데!RNN으로 가장 대표적인 데이터셋은 IMDB 영화리뷰입니다. https://www.imdb.com/ IMDb: Ratings, Reviews, and Where to Watch the Best Movies & TV ShowsIMDb is the world's most popular and authoritative source for movie, TV and celebrity content. Find ratings and reviews for the newest movie and TV shows. Get personalized recommendations, and learn where to watch across hundreds of stream.. 2024. 12. 10.

[AI활용 자연어처리 챗봇프로젝트] Padding, 원핫인코딩 ■ padiing(패딩)문자마다 인코딩된길이가 다르고, 우리는 입력데이터에 대한 쉐이프를 정해놓기때문에 그 모양을 맞추어야합니다.그래서 비워있는 부분들을 다른 숫자로 채워넣는데 그 과정을 padding이라고 합니다.왼쪽은 패딩이 뒤쪽, 오른쪽은 앞쪽! 즉! 앞쪽 뒤쪽 모두 다 붙이기 가능하다는점 기억해야합니다~ 그러면 케라스로 패딩하는것을 한번 해봤는데preprocessed_sentences를 하게되면 지난번에 했던 변수를 가져오게 됩니다. 이런식으로 구성이 되어있고 케라스 그리고 pad_sequences는 앞으로도 많이 사용될 예정이기에 꼭 숙지해둬야한다고 했습니다. # 파라미터 https://www.tensorflow.org/api_docs/python/tf/keras/utils/pad_sequenc.. 2024. 12. 9.

[AI활용 자연어처리 챗봇프로젝트] OOV란? oov인덱스 번호는? OOV란? (Out Of Vocbulary)- 단어 집합에 존재하지 않는 단어- 이것 또한 정수인코딩을 할 필요가 있을 수 있다! 숫자 0과 oov토큰을 고려하여 단어 집합의 크기를 +2함oov_token = 단어집합에 없는 단어들을 OOV로 간주하여 보존합니다.vocab_size = 5tokenizer =Tokenizer(num_words = vocab_size + 2, oov_token='OOV')tokenizer.fit_on_texts(preprocessed_sentences)Keras의 Tokenizer은 'OOV'를 인덱스 1로 합니다.그래서 한번 출력해보자면tokenizer.word_index출력결과{'OOV': 1, 'barber': 2, 'secret': 3, 'huge': 4, 'kept.. 2024. 12. 6.

[AI활용 자연어처리 챗봇프로젝트] 케라스를 이용한 전처리 ■ keras의 텍스트 전처리 케라스에서도 텍스트에 대한 전처리가 가능합니다. https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/text/Tokenizertf.keras.preprocessing.text.Tokenizer( num_words=None, filters='!"#$%&()*+,-./:;?@[\\]^_`{|}~\t\n', lower=True, split=' ', char_level=False, oov_token=None, analyzer=None, **kwargs) 역시나 먼저 임포트를 해줍니다.위에있는 매개변수들은 자연어처리하면서 굉장히 많이 봐야하는 것들임으로 눈.. 2024. 12. 5.

[9회 실기] 네?? 이거 맞아요?? 일단 결론부터 정리하자면 9회 실기는 전혀 자신없다.. 다시 타임라인순으로 이야기해보면 시험시간이 10시라서 아침일찍 준비해서 일층 카페에가서 3시간동안 집중해야하니 속 부담스럽지않은 아침간단히 + 녹차라떼마시면서 총 정리를 하고있었다. 기출유형1은 범위가 너무 넓기때문에 사실 보다 적은 2과목과 3과목중 2과목은 순서가 정해져있기때문에 무난히 할것같고 제일 자신없었던 3과목중 LOGIT함수랑 OLS다중을 외워갔다. 임포트부터 어떻게 보는지 어떻게 하는지를 봤는데 긴장을 해서 정말 머리에 안들어오더라. 쨌든 약 1시간조금 넘게 공부좀 하다가 시험장 입장 #시험장 입장감독관분들이 곳곳에 배치되어있었고, 일단 처음에 들어가서 컴퓨터 못킴! 안내가 다 끝난다음에 하라고 하셨다쨌든 그게중요한게아니라 일단 전략으.. 2024. 12. 5.

[AI활용 자연어처리 챗봇프로젝트] 정제 · 정규화 ■ 정제(cleaning), 정규화(normalizing)* 정제: 갖고있는 코퍼스로부터 노이즈 데이터를 제거한다* 정규화 : 표현방법이 다른 단어들을 통합시켜서 같은 단어로 만들어준다. 영어로 보면 USA , US '하나의 단어'로 보는것이 정규화 라고 합니다~ 어간추출하거나 표제어 추출할때는 대소문자를 통합해주어야합니다! 대소문자 통합Automobile, automobile 무조건 통합도 안됨 -> 'US', 'us'영어권같은경우는 단어의 개수를 확 줄일 수 있습니다. 대표적인 정규화 방법중 하나입니다.대문자는 문장의 앞이나 특정한 상황에서 쓰기때문에 대체로 소문자로 통합합니다!불용어(stop word)제거- 불필요한 단어를 제거합니다.영향없고 노이즈를 줄주는것! 그런것들은 예를들어서 등장빈도가 .. 2024. 12. 4.

[AI활용 자연어처리 챗봇프로젝트] 토큰화 및 문장처리 토큰화 및 문장처리■ 자연어 처리를 위한 설치 패키지는 아래와 같습니다!import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport tensorflow as tffrom tensorflow import kerasimport osimport re■ 토큰화- 주어진 코퍼스에서 토큰이라 불리는 단위로 나누는 작업을 토큰화 라고 합니다!토큰의 단위는 상황에 따라서 다르지만 보통 의미가 있는 단위로 토큰을 정의합니다. 단어 토큰화(word Tokenization)- 주어진 코퍼스(corpus)에서 토큰(token)이라 불리는 단위로 나누는 작업을 토큰화(tokenization)라고 합니다 - 토큰의 단.. 2024. 12. 3.

[AI활용 자연어처리 챗봇프로젝트] 자연어처리(NLP)란? ■ 자연어 처리 (NLP) / Natural Language Processing 이란자연어 처리(NLP, Natural Language Processing)는 컴퓨터가 인간의 언어를 이해하고, 해석하고, 생성하는 기술을 말합니다. NLP는 언어학과 컴퓨터 과학의 융합 분야로, 언어를 처리하고 분석하는 다양한 작업을 포함합니다. 그 목적은 사람과 컴퓨터 간의 상호작용을 원활하게 만들어 주는 것입니다. 자연어 처리의 주요 작업1.형태소 분석 (Morphological Analysis): 문장에서 단어를 나누고, 각 단어의 형태를 분석합니다. 예를 들어, 한국어에서 "사랑한다"라는 단어는 "사랑"과 "한다"로 나누어집니다. 2.구문 분석 (Syntactic Parsing): 문장의 구조를 분석하고, 문법적 관.. 2024. 12. 2.

[작업형3] 단일표본검정, 대응표본검정은 df['']를쓰고 독립표본검정은 데이터프레임으로 왜 안받을까? 공부를 하다가 왜 단일표본검정과 대응표본 검정은 데이터프레임형태를 쓰면서 값을 추출하는데 독립표본검정은 데이터프레임이 아닌 시리즈나 리스트형태로 추출하는지 궁금하고 헷갈렸다. 그래서 찾아보니단일표본검정과 대응표본검정은 1개의 주제를 비교하려고 하기때문에 각각의 그룹열)으로 검정을 해야하고독립표본은 말 그대로 독립된 2개의 데이터를 가지고 비교하는것이니 데이터프레임을 통해서 그룹을 비교하는것이 아니라 그 자체를 비교하는것이기때문에 다르다고 한다. 즉!단일표본검정과 대응표본검정은 데이터가 같은 그룹내에서 연결되어있으므로 df내에서 열을 기준으로 추출한것!독립표본검정은 서로 독립된 두 집단의 평균을 비교하는것이기때문에 df내에 저장할 필요 없이 리스트나 시리즈형태로 바로 비교하면 됨!! 정리: 독.. 2024. 11. 26.

코랩(Colab)에서 갑자기 주석이 안 먹힐때!!! 코랩에서 갑자기 주석(Ctrl+/)이 안될때는 Ctrl+Shift 로 변경해주면 다시 잘 되는걸 확인할 수 있다. 2024. 11. 25.

코딩테스트 :: 자료형_stack 문제 # 문제1. 소괄호는 짝을 맞춘 열린 괄호"(" 와 ")"로 구성한다.# 열린 괄호나 닫힌 괄호가 마구 뒤섞인 문자열이 있다.# 이때 소괄호가 정상적으로 열고 닫혀 있는지를 판별하는 함수를 작성하시오.#소괄호가 정상적으로 열고 닫혀있다면 True, 그렇지 않다면 False를 반환.# 제약조건: #1.열린 괄호는 자신과 가장 가까운 닫힌 괄호를 만나면 상쇄된다.# 2.반드시 열린 괄호가 먼저 와야하고, 열린 괄호와 닫힌 괄호 사이에# 아무것도 없어야한다. 풀이과정def sol(a): stack = [] # 스택 초기화 for i in a: if i == '(': # 여는 괄호가 나오면 스택에 추가 stack.append('(') else: .. 2024. 11. 24.

코딩테스트 :: 자료형_stack List (배열)Stack (쌓는다) First In Last OutQueue1. 선형맅스트(패턴을 예측할 수 있다)2. 검색은 빠르지만, 비효율적3. 정적,동적배열(한번 사이즈를 설정하면 변경 가능,불가능)4. appen() => 리스트를 생성(빈 리스트를 생성) test =[]5. 데이터를 삽입, 삭제 등 수정할 수 있다.* 딕셔너리 자료구조 (key:value) : Hash* push, pop을 연산으로 부름 * top(변수) - 즉 push, pop, top을 가지고 활용- 초기값은 -1을 가지고데이터가 들어오면 '먼저' 증가한다.흐름)stack 동작원리 밑에 이미지 참고 stack은 pu.. 2024. 11. 23.

[DL] CNN,RNN을 활용한 정확도, 예측도 확인하기 텐서플로우의 예제인 꽃 이미지를 분류하려고 합니다.## cnn2.py# CNN 꽃 이미지 분류def p(str): print(str, '\n')#라이브러리 로딩import matplotlib.pyplot as pltimport numpy as npimport PIL #이미지 처리하는 라이브러리import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layersfrom tensorflow.keras.models import Sequential# 데이터 로딩 : 3670장의 꽃 사진데이터 가져오기# 3670장의 꽃 사진은 daisy, dandelion, roses, sunflowers, tulips 로 5개의 클래스로.. 2024. 11. 22.

[기출] 작업형 1 작업형1 예시문제자동차 데이터 셋에서 qsec 컬럼을 Min-Max Scale로 변환 후 0.5보다 큰 값을 가지는 레코드(row) 수는?문제분석문제에서 qsec 컬럼만 묻고 있음 (다른 컬럼 신경 쓸 필요 없음)MinMax Scale 변환조건 0.5보다 큰 값 2024. 11. 21.

[기출2] 풀이 코드 # 기본데이터 import pandas as pddf = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p1/members.csv")df 문제1 주어진 데이터셋(members.csv)의 'views' 컬럼 상위 10개 데이터를 상위 10번째 값으로 대체한 후 'age'컬럼에서 80 이상인 데이터의 'views' 컬럼 평균값 구하기풀이 방향1. views컬럼 상위 10개 데이터 -> 상위 10번째 값 대체-> 이걸 하기 위해서는 sort_values()를 사용하고 ascending=False를 해야합니다. 왜 상위를 하려면 ascending =Fasle를 해야되냐면 생각을 해보자구요?! 그냥 sort_values를 .. 2024. 11. 20.

[작업형3] 이원 분산 분석 실습 + 심화 🟡이원 분산 분석 가정에서 재배하고 있는 네 가지 토마토 종자(A, B, C, D)에 대해 세 가지 종류의 비료 (11, 12, 13)를사용하여 재배된 토마토 수를 조사하였다. 종자 및 비료 종류 간의 토마토 수의 차이가 있는지유의수준 0.05하에서 검정하시오. (단, 정규성, 등분산성에 만족한 데이터)종자 (주 효과)귀무가설(H0): 종자 간의 토마토 수에 차이가 없다.대립가설(H1): 적어도 하나의 종자에서 토마토 수에 차이가 있다.비료 (주 효과)귀무가설(H0): 비료 종류 간의 토마토 수에 차이가 없다.대립가설(H1): 적어도 하나의 비료 종류에서 토마토 수에 차이가 있다.상호작용 효과:귀무가설(H0): 종자와 비료 간의 상호작용은 토마토 수에 영향을 미치지 않는다.대립가설(H1): 종자와 비.. 2024. 11. 19.

[작업형2] roc_acu_score 에러. https://dataq.goorm.io/exam/3/%EC%B2%B4%ED%97%98%ED%95%98%EA%B8%B0/quiz/4 구름EDU - 모두를 위한 맞춤형 IT교육구름EDU는 모두를 위한 맞춤형 IT교육 플랫폼입니다. 개인/학교/기업 및 기관 별 최적화된 IT교육 솔루션을 경험해보세요. 기초부터 실무 프로그래밍 교육, 전국 초중고/대학교 온라인 강의, 기업/edu.goorm.io이번에는 작업형2번을 구름edu에서 실행해보았습니다.(하..너무 힘들고 힘들었어요)일단 문제를 확인해보는 것보터 해볼게요! 일단 저희가 확인해야하는것은1.백화점 구매 고객의 성별을 예측하는 모델 만들기2.roc_auc_score을 통해서 점수 평가가된다는점 입니다. 일단 데이터를 확인해야겠죠?#데이터 확인print(tr.. 2024. 11. 18.

[코딩테스트] 자료구조 ✨ 데이터 구조선형스택, 리스트, 큐비선형트리, 그래프 ✨ 리스트변수와 배열(리스트)배열은 자리확보(공간)가 중요하다. 그래서 첫번째 라인에 쓴다.동적배열은 메모리의 크기가 변경될 수 있음. (자바,파이썬)정적배열은 메모리가 할당되어있고 바꿀 수 없는것. (C언어) 링크드리스트는 간접적으로 하나 하나 찾아서 가야해서 시간이 걸린다는점이 단접이다. Node : 데이터가 저장되는 최소 단위배열의 단점 : 모든 요소를 이동시켜야해서 비효율적이다. ✨ 새로 나온 용어이름설명탐욕알고리즘뒤의 결과는 신경안씀파이썬의 단점길게 작성하면 튕긴다.오버로딩타입,순서바꾸면 안된다.지역변수, 전역변수 중 지역변수를 사용하라고 함.지역변수는 상주하고있음 .요즘은 상속하지말고요즘 컴포지션하라고 함* Composition(포.. 2024. 11. 17.

[작업형3] 일원분산분석 실습 + 심화실습 💬 일원 분산 분석 주어진 데이터는 4가지 다른 교육 방법을 적용한 대학생들의 학점 결과이다. 이 실험에서는 비슷한 실력을 가진 학생 40명을 무작위로 4개(A, B, C, D)그룹으로 나누었고, 각 그룹은 다른 교육 방법을 적용했다. 학생들의 학점 결과에는 교육 방법에 따른 차이가 있는지 유의수준 0.5하에서 검정하시오.귀무가설(H0): 네 가지 교육 방법에 의한 학생들의 학점 평균은 동일하다.대립가설(H1): 적어도 두 그룹의 학점 평균은 다르다. import pandas as pddf = pd.DataFrame({ 'A': [3.5, 4.3, 3.8, 3.6, 4.1, 3.2, 3.9, 4.4, 3.5, 3.3], 'B': [3.9, 4.4, 4.1, 4.2, 4.5, 3.8, 4.. 2024. 11. 17.

파이썬으로 코딩 테스트 준비하기! 보호되어 있는 글 입니다. 2024. 11. 16.

[작업형3] 분산분석 개념 🟢분산분석🟢분산분석(ANOVA)분산분석(ANOVA)은 여러 집단(3개 이상)의 평균 차이를 통계적으로 유의미한지 검정일원 분산 분석 (One-way ANOVA): 하나의 요인(독립변수)에 따라 평균의 차이 검정 - 예를들어 식물의 성장(종속변수)이있을때 물의 양(독립변수) 에 따라 어떤 차이가 있는지?이원 분산 분석 (Two-way ANOVA): 두 개의 요인 (독립변수) 에 따라 평균의 차이 검정 - 예를들어 식물의 성장(종속변수)이있을때 물의 양(독립변수), 햇빛(독립변수)에 따라 어떤 차이가 있는지? 🟢 일원 분산 분석3개 이상의 집단 간의 평균의 차이가 통계적으로 유의한지 검정하나인 요인이고, 집단의 수가 3개 이상일 때 사용🟢기본가정독립성: 각 집단의 관측치는 독립적이다.정규성: 각 .. 2024. 11. 16.

판다스 라이브러리 사이트 팬더까지 10분 — Pandas 2.2.3 documentation 10 minutes to pandas — pandas 2.2.3 documentation10 minutes to pandas This is a short introduction to pandas, geared mainly for new users. You can see more complex recipes in the Cookbook. Customarily, we import as follows: In [1]: import numpy as np In [2]: import pandas as pd Basic data structures in ppandas.pydata.org 2024. 11. 14.

이전 1 2 3 4 ··· 6 다음

티스토리툴바