[TIL] 내일배움캠프 AI 9기 - 15회

🐶 학습 범위

• 학습반 과제 (파이썬)
• AI 수학 강좌
• 머신러닝 학습

 

🐶 공부 내용

✨ 학습반 과제 - 파이썬 문제 40 (딕셔너리/집합)

✔️ # 숙제 - 44
# {'apple': 111, 'banana': 222, 'cherry': 'babo'} 에서 값이 babo가 있다면 babo 출력
data = {'apple': 111, 'banana': 222, 'cherry': 'babo'}

# 1. 전부 체크
for v in data.values():
    if v == 'babo':
        print('babo')

# 2. valut in dict.values() 사용
if 'babo' in data.values():
    print('babo')

✔️ 숙제 - 45
# {'apple': 111, 'banana': 222, 'cherry': 'babo'} 에서 apple 삭제 후 출력
data = {'apple': 111, 'banana': 222, 'cherry': 'babo'}

# 1. pop 사용 
# (값 반환 O) 삭제된 값이 필요한 경우 
data.pop('apple')

# 2. del 사용 
# (값 반환 X) 단순히 삭제만 할 경우 
del data['apple']
print(data)

✔️ 숙제 - 46
# {'apple': 111, 'banana': 222, 'cherry': 'babo'} 에서 banana의 값을 babooo로 수정
data = {'apple': 111, 'banana': 222, 'cherry': 'babo'}
data['banana'] = 'babooo'
print(data)

# update() :: 여러값 동시에 변경
# data.update({'apple': 333, 'banana': 444})

✔️ 숙제 - 47
# {'a': 1, 'b': 2}와 {'c': 3, 'd': 4}를 합치시오,
dict_1 = {'a': 1, 'b': 2, 'c':3}
dict_2 = {'c': 4, 'd': 5}

# 1. update() 사용 (중복된 키는 오른쪽 dict 값으로 덮어쓰기)
dict_1.update(dict_2)
print(dict_1)

# 2. ** 언패킹 사용 (중복된 키는 오른쪽 dict 값으로 덮어쓰기)
answer = {**dict_1, **dict_2}
print(answer)

# 3. 딕셔너리 컴프리헨션 사용 => dict.items() 으로 새로운 컴프리헨션 사용
answer = {key: value for d in [dict_1, dict_2] for key, value in d.items()}
print(answer)

# 4. 중복 키 처리 (키가 중복되면 모든 값을 유지하기)
# from collections import defaultdict
# result = defaultdict(list)
# 
# for d in [dict_1, dict_2]:
#     for key, value in d.items():
#         result[key].append(value)
# 
# print(dict(result))        

✔️ 숙제 - 52
# {'apple': 111, 'banana': '222', 'cherry': 333} 에 값을 합산하라
# hint 형변환
data = {'apple': 111, 'banana': '222', 'cherry': 333}

answer = 0
for v in data.values():
    # isinstance :: 값이 숫자인지 확인
    if isinstance(v, (int, float)): # 숫자이면 그대로 더하기
        answer += v
    else:
        answer += int(v)            # 숫자가 아니면 형변환

print(answer)

 

✨ k-최근접 이웃 회귀 실습

import matplotlib.pyplot as plt                         # 맷플롯립
import numpy as np                                      # 넘파이
from sklearn.neighbors import KNeighborsRegressor       # k-최근접 이웃 회귀 모델
from sklearn.metrics import mean_absolute_error         # 회귀 모델의 평균 절댓값 오차 계산
from sklearn.model_selection import train_test_split    # 훈련/테스트 모델 생성

# 샘플 데이터 (길이)
perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0,
       21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7,
       23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5,
       27.5, 28.0, 28.7, 30.0, 32.8, 34.5, 35.0, 36.5, 36.0, 37.0, 37.0,
       39.0, 39.0, 39.0, 40.0, 40.0, 40.0, 40.0, 42.0, 43.0, 43.0, 43.5,
       44.0])
# 샘플 데이터 (무게)
perch_weight = np.array([5.9, 32.0, 40.0, 51.5, 70.0, 100.0, 78.0, 80.0, 85.0, 85.0, 110.0,
       115.0, 125.0, 130.0, 120.0, 120.0, 130.0, 135.0, 110.0, 130.0,
       150.0, 145.0, 150.0, 170.0, 225.0, 145.0, 188.0, 180.0, 197.0,
       218.0, 300.0, 260.0, 265.0, 250.0, 250.0, 300.0, 320.0, 514.0,
       556.0, 840.0, 685.0, 700.0, 700.0, 690.0, 900.0, 650.0, 820.0,
       850.0, 900.0, 1015.0, 820.0, 1100.0, 1000.0, 1100.0, 1000.0,
       1000.0])
       
# 훈련/테스트 데이터 생성 (타겟 포함)
train_input, test_input, train_target, test_target = train_test_split(perch_length, perch_weight, random_state=42)
print(train_input.shape, test_input.shape)
print(train_target.shape, test_target.shape)

# 훈련/테스트 데이터 구조 변경 (1차원 → 2차원)
train_input = train_input.reshape(-1, 1)
test_input = test_input.reshape(-1, 1)
print(train_input.shape, test_input.shape)    

# k-최근접 이웃 회귀 모델 선언
knr = KNeighborsRegressor()

# 학습/평가
knr.fit(train_input, train_target)
knr.score(test_input, test_target) # 0.992809406101064

# 테스트 데이터 예측 생성
test_predict = knr.predict(test_input)

# 테스트 세트에 대한 평균 절댓값 오차 계산
mae = mean_absolute_error(test_target, test_predict) # 19.157142857142862

# 테스트 이웃 수 리스트
neighbor_list = [1, 5, 10]

# 과대적합/과소적합 확인
for n in neighbor_list:
    knr.n_neighbors = n
    knr.fit(train_input, train_target)
    print(knr.score(train_input, train_target))
    print(knr.score(test_input, test_target))
    print('--------------------')

--------------------
0.9852830341215901
0.991309195814175
--------------------
0.9698823289099254
0.992809406101064
--------------------
0.96164569026043
0.9737908255822255
--------------------

 

 

🐶 느낀점

1. 개인과제가 나왔다. (💣 💣 )
2. 수학 강좌를 들었다. (모르겠다 💣 💣 💣  )
3. 엉덩이 아프다 ( 💣 💣 💣 💣 💣 )