# np.arange
[혼공머신] 5-2. 교차 검증과 그리드 서치
Intro. 결정트리 모델로 와인 구분하는 모델 완성! max_depth 바꿔가면서 성능 테스트 여러 번 해서 최적의 모델을 찾아야지 ㅎㅎ 그런데... 이사님🗣️ "최적의 모델을 찾는 건 좋은데, 그 과정에서 자꾸 테스트 세트로 평가를 하면 테스트 세트에만 잘 맞는 모델이 되어버리는 거 아닌가요?" ㅇ ㅠㅇ 1. 검증세트와 교차검증 해결책은 생각보다 간단했다. 테스트세트 말고, 따로 검증용 세트를 또 준비하면 된다! 검증세트 원래는 훈련/테스트만 나눴지만, 이젠 훈련/검증/테스트 3개로 나눔. (보통 20%) ☝🏻일반적인 활용 과정 1) 모델을 훈련세트로 훈련(fit)하고, 검증세트로 평가(score)한다 2) 매개변수 바꿔가며 scor
01. 넘파이 배열
Intro. NumPy 공식 설명서의 내용을 따라가면서 넘파이 기본기를 익혀보자. Anaconda 또는 Colab을 쓰면 내장되어 있지만, 굳이 따로 설치한다면 conda 추천함. 1. 파이썬 list와 넘파이 array의 차이 Python의 리스트는 다양한 데이터 타입을 포함할 수 있지만, 🆚 NumPy 배열은 그 속의 모든 요소가 같은 타입이어야 함!! 
00. Numpy 시작하기
Numpy는 파이썬 라이브러리 중 하나로, 데이터과학 라이브러리의 정수라고 할 수 있다. N차원의 배열을 다루거나 수치 계산이 필요할 때 사용함 "파이썬은 느리다" 라는 단점을 보완해줌 아래와 같이 import 하여 사용할 수 있다. NumPy 홈페이지 실습 Numpy는 공식 홈페이지에서 실습해볼 수 있는 노트북 창을 제공한다. 간단한 연습을 통해 넘파이를 알아가보자. 배열 생성 np.arange(k) : 0부터 k-1까지의 숫자 배열을 생성함. dtype : 배열의 데이터 유형을 설정할 수 있음. 
12. 다중 막대 그래프
ticks 하나에 막대를 여러 개 그릴 수 있다. 누적 막대그래프가 여러 데이터(국어, 수학 등)를 위로 쌓았다면, 다중 막대그래프는 여러 데이터를 옆으로 나란히 보여준다. 기본 설정 & 데이터 준비 넘파이 활용 이번 차시는 넘파이의 np.arange() 함수가 필요함. : numpy 배열(array)를 생성해줌. + numpy 배열은 연산 브로드캐스팅이 됨! Numpy의 브로드캐스팅 원리를 이용하면 다중 막대그래프를 그릴 수 있음. ① plt.bar(x-1, y, ...) :
[혼공머신] 2-1. 훈련 세트와 테스트 세트
Intro. 김 팀장🗣️"근데, 네가 훈련할 때 쓴 데이터로 평가를 하면 당연히 정확도가 100% 나오는 거 아냐...?" ㅇ ㅁㅇ .... 1. 모델 개선 1회차 데이터 준비 및 알고리즘 객체 생성 여기까진 이전 수업 때와 동일 훈련세트와 테스트세트 분할 김팀장 말을 듣고, 테스트 세트 떼어내야겠다 싶어 슬라이싱 사용함. 그런데 ... 뭐야, 왜 정확도가 0이 되어버린 거냐고! 
79일차 시작.... (Numpy)
📊 Numpy 라이브러리 📌 Python Numpy > * numpy란? (Numeric Python) > 고성능의 수치계산과 선형대수학을 위해 제작된 Python 라이브러리 > 벡터 및 행렬 연산에 매우 편리한 기능 제공 > > * np.array() > - Array 객체를 생성하는 메소드 > - np.array([1,2,3,4], dtype=np.데이터타입) 📊 List와 Array 차이 📌 내부 요소의 데이터타입 차이 > * 내부 요소 차이 > - list : 내부 요소는 다양한 데이터타입을 갖는다. > - array : 내부 요소는 하나의 데이터타입으로 일관된다. > > * Array 내부 요소 데이터타입의 자동 형변환 특징 > _-