기본 콘텐츠로 건너뛰기

Jupyter Notebook, Windows, keyboard shortcut

h : keyboard shortcut
dd : 삭제
ctrl + enter : 그 행 실행
shift + enter : 그 행 실행 후 다음 행으로 이동
Kernel -> Restart & Run All : 실행 초기화하고 전체 열 위에서 부터 아래 순으로 실행
esc + y : Code 모드
    Code : Python
esc + m : Markdown 모드
    Markdown : HTML
space + tap  : 자동 완성
shift + tap : 설명
선택, c : 복사
선택, v : 붙여넣기

이 블로그의 인기 게시물

Python Sklearn make_regression

from sklearn.datasets import make_regression import matplotlib.pyplot as plt X, y = make_regression(n_samples=250, n_features=1, noise=50, random_state=2) plt.scatter(X,y, s=2) plt.show() from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 x_train, x_test, y_train, y_test = train_test_split(X,y, test_size=.20, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # 모델 생성 model = LinearRegression() # 학습하기 model.fit(x_train, y_train) # 가중치, 편향치 구하기 model.coef_, model.intercept_ # (array([90.11061494]), 2.4224269924448585) # 결정 계수 model.score(x_train, y_train) # 0.789267454050733 # 추정 pred = model.predict(x_test) # 산점도 plt.scatter(x_test,y_test) plt.plot(x_test, pred, 'r-') plt.show() # 추정 model.predict([[3.0]]) # 학습할 때 주는 데이터의 형식을 따른다 # x의 최소값, 최대값을 계수와 절편을 사용하여 ...