정규화의 두 가지 방법 1. z-score: 입력값-평균값/표준편차 2. min-max: 입력값-최소값/(최대값-최소값) table %>% mutate(a_normalized = scale(a, center=TRUE, scale=TRUE) # TURE: center 및 scale에 지정한 값이 평균과 분산값으로 지정됨(0, 1) from sklearn.preprocessing import StandardScaler table['x'] = table['x'].astype(float) s = StandardScaler() result = s.fit_transform(table[['x']]) table['normed'] = [x[0] for x in result]
1. 데이터 열추출 SQL> SELECT id AS new_id (id를 추출하여 new_id로) FROM table R> library(dplyr) select(x_id, y_id, z_id) %>% as.data.frame() 2. 조건에 따른 행추출 SQL> SELECT * FROM table WHERE date BETWEEN '2023-12-1' AND '2023-12-31' R> table[intersect(which(table$date >= '2023-12-1'), which(table$date % filter(between(as.Date(date), as.Date('2023-12-1'), as.Date('2023-12-31'))) 3. 샘플링 SQL> SELECT * FROM table WH..
# 본 포스팅은 Analytics Vidhya의 An Introductory Guide to Maximum Likelihood Estimation (with a case study in R)을 번역한 것입니다. 최대 우도 추정 (Maximum Likelihood Expectation) 예를 들어 회사의 주가를 예측하는 모델을 구축했다고 가정 해 보자. 밤새 주가가 급격히 상승한 것을 관찰했다면, 그 뒤에는 여러 가지 이유가 있을 수 있다. 가장 가능성이 높은 이유의 가능성을 찾는 것이 Maximum Likelihood Estimation의 전부이다. 이 게시물에서는 최대 우도 추정(이하 MLE)이 작동하는 방식과 분포를 사용하여 모델의 계수를 결정하는 데 사용할 수있는 방법을 살펴 본다. 참고 : 이 내..
- Total
- Today
- Yesterday
- missing_value
- GradCam
- 생존분석
- cnn
- 생존함수
- gray2rgb
- pre-train
- sounddevice
- 딥러닝
- sequenced data
- NGS
- r
- HRV
- 생존곡선
- pmm
- 평균분석
- ECG
- vcf
- GPU설치
- featuremap
- 그룹비교
- Bioinfo
- plink
- fasta
- 실험통계
- psychopy
- rgb2gray
- 인공지능
- PTB
- SNP
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |