우당탕탕 개발일지

💡문제 링크 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.kr  💡문제 분석 요약원형 수열의 연속 부분 수열 합으로 만들 수 있는 수의 개수를 return하는 함수 작성 💡알고리즘 설계직선 수열 형태의 elements를 2배해서 두 번 작성하기예. elements = [7, 9, 1, 1, 4] -> elements 2배 = [7, 9, 1, 1, 4, 7, 9, 1, 1, 4]  💡코드def solution(elements): l = len(elements) elements *= 2 s = [] for i in range(1, l+..

fe 오늘의 할 일1. xgboost에서  merge_data에서 id넣고 모델 돌려보기(민아) -> id 뺀 거랑 넣은 거랑 별반 차이가 없음 -> 결론: ID를 넣고 돌리자2. 기본 train_data에서 xgboost 돌려보기(화원)-> 아직 못함.3. 데이터 분석 공모전 흐름 파악한 거 공유하기(민아)-> 영상 링크 보냄4. 내일 뭐 질문할지 정하기-> 안하기로함5. shap을 이용해서 xgboost 모델에서 각 특성의 상호작용효과 파악(merge 전의 train_data, test_data 사용)->train_data에서 xgboost모델의 상호작용효과 파6. 특성중요도 시각화7

XGBoost 모델이란?위 영상이 그라디언트 부스팅에 대해 이해하기 쉬워서 좋았다.- 각 이터레이션(반복)에서 맞추지 못한 데이터에 가중치를 부여해서 모델을 학습- 부스팅(Boosting) 계열의 트리 모델- 그라디언트 부스팅 모델에 비해 빠른 속도- 과적합을 막고, 자체 교차 검증 알고리즘과 결측치 처리 기능 보유 XGBoost의 대표적인 파라미터n_estimators (int) : 내부에서 생성할 결정 트리의 개수max_depth (int) : 생성할 결정 트리의 높이learning_rate (float) : 훈련량, 학습 시 모델을 얼마나 업데이트할지 결정하는 값colsample_bytree (float) : 열 샘플링에 사용하는 비율subsample (float) : 행 샘플링에 사용하는 비율re..

히트맵은 matplotlib, seaborn 두 가지 라이브러리를 이용해서 그릴 수 있는데 나는 seaborn을 사용했다.\matplotlib보다 seaborn이 코드도 간결하고 더 예쁘게 나온다. 히트맵 그리는 순서히트맵 그리는 순서는 다음과 같다.1. 히트맵에 사용할 수 있도록 데이터 전처리(나는 groupby로 'year', 'location'별 대기오염물질 농도의 평균값을 구했다.)df_train = df_train.groupby(['year', 'location'])[['no2', 'o3', 'co', 'so2', 'pm10', 'pm2.5']].mean().reset_index()2. 히트맵을 그린다.# 히트맵 그리기plt.figure(figsize=(10, 20))ax = sns.heatma..

꺾은선 그래프 그리는 방법 매번 까먹어서 정리하는 글.groupby 함수로 월별 평균값 정리하기df_train = df_train.groupby(['year', 'month'])[['no2', 'o3', 'co', 'so2', 'pm10', 'pm2.5']].mean().reset_index()이렇게 해서 월별 각 대기오염물질의 평균농도를 담은 데이터프레임 df_train을 생성한다. 꺾은선 그래프 그리는 방법꺾은선 그래프를 그리려면 일단 x값과 y값을 명시해야 한다.내가 그리고자 하는 건 월별 대기오염물질 농도니까 x, y를 다음과 같이 설정한다.x: df_train['month']y: df_train['no2']그 다음에 plot을 그려주면 된다.plt.figure(figsize=(10,6))plt...

💡문제 링크 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.kr  💡문제 분석 요약works 리스트의 각 원소들에서 조금씩 빼서 총 n만큼 뺀다. 각 원소의 제곱의 합이 최소가 되도록 n을 잘 배분해서 빼기. 더 이상 뺄 게 없으면 0을 반환. 💡알고리즘 설계1. works 리스트를 내림차순으로 정렬2. 맨 앞에 있는 원소에서 -13. n번 반복(works 리스트의 원소의 합이 0이면 0을 반환하고 반복문 나오기)4. n번 반복 후 works 리스트의 원소의 제곱합 구하기 다른 풀이 가져왔는데 이것도 효율성 테스트 통과 못함 💡코드def solution(n..