반응형 Data Analysis45 [SQL] 19. 레코드에서 필드로의 갱신1 (필드값을 속성으로 만들기1) 레코드에서 필드로의 갱신 이번 포스팅에서는 2개의 테이블을 활용하여 한 쪽 테이블의 필드값을 다른 테이블의 속성 값으로 가져와 갱신하는 예제를 살펴볼 것이다. - 테이블 만들기 우선 필드값이 들어있는 ScoreRows 테이블과 갱신하여 채울 ScoreCols 테이블을 생성해보도록 한다. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 CREATE TABLE ScoreRows( student_id VARCHAR(10), subject VARCHAR(10), score INT(10)); INSERT INTO ScoreRows VALUES('A001', '영어', 100); INSERT INTO ScoreRows VALUES('A001', '국어', 58); INSERT INTO ScoreRo.. 2019. 8. 27. [SQL] 16. SQL 실습환경 갖추기 (feat. MySQL) MySQL 설치 쿼리 공부를 좀 더 효율적으로 하기 위해 다소 갑작스럽지만 새로운 실습 환경을 갖추기에 돌입해보겠다. 지금까지 필자의 포스팅에서는 웹에서 사용이 가능한 Oracle Live SQL 에서 실습해왔다. 하지만 지난 포스팅에서의 Oracle Live SQL의 단점들이 끝끝내 발목을 잡아 새로운 실습환경인 MySQL 및 HeidiSQL을 사용하려한다. [SQL] 02. SQL 실습환경 찾기 (feat. Oracle Live SQL) 다른 DB 설치없이 SQL 실습하기 - Oracle Live SQL 개인적으로 가볍하게 시작한 공부라 따로 DB를 갖춰 공부하기는 번거로워 Oracle live SQL 사이트를 찾게되었다. 포스팅 제목이 "SQL 실습환경 갖추기"가 아닌 ".. dlearner.tis.. 2019. 8. 17. [Statistics with Python] 06. 분류 알고리즘 평가 방법 - F1-score, ROC, AUC 3절 Evaluation(평가) 방법 본 포스팅은 [위키북스- 파이썬 머신러닝 완벽 가이드]를 활용한 스터디 포스팅입니다. 이번 포스팅에서는 저번 포스팅에 이어 분류 알고리즘을 평가 하는 다양한 방법 중 F1 score, ROC curve, AUC에 대해 알아보려 한다. 정확도(Accuracy) 오차 행렬(confusion matrix, 혼동 행렬) 정밀도(Precision)와 재현율(Recall) F1 score ROC curve와 AUC - F1 score F1 스코어는 정밀도와 재현율을 결합한 지표이다. 정밀도와 재현율이 한쪽으로 치우치지 않는 수치를 나타낼 때 상대적으로 높은 값을 지닌다. F1 스코어 계산법 F1 스코어 계산법은 아래 그림과 같다. F1 스코어 예시 1. Precision = 0.. 2019. 8. 17. [Statistics with Python] 05. 분류 알고리즘 평가 방법 - Accuracy, precision, recall 3절 Evaluation(평가) 방법 본 포스팅은 [위키북스- 파이썬 머신러닝 완벽 가이드]를 활용한 스터디 포스팅입니다. 저번 포스팅까지는 교차 검증에 관한 개념과 scikit learn에서 제공하는 다양한 k-fold 검증에 대해 알아보았다. 이번 포스팅에서는 "분류 알고리즘이 얼마나 정확한 예측을 하는가"에 대한 평가 방법에 대한 개념들을 알아보도록 할 것이다. (코딩은 뒤의 실습에서 자세히 다루려 한다.) 분류 알고리즘에 평가를 하는 다양한 방법이 있는데, 그 종류는 아래와 같으며 하나하나씩 짚어가며 설명해보려고 한다. 정확도(Accuracy) 오차 행렬(confusion matrix, 혼동 행렬) 정밀도(Precision)와 재현율(Recall) F1 score ROC curve와 AUC Acc.. 2019. 8. 17. 이전 1 ··· 3 4 5 6 7 8 9 ··· 12 다음 반응형
