Python46 클로저와 데코레이터 실습예시 핵심 실습으로 정리한 클로저와 데코레이터1. 클로저 핵심 실습:실습 1: 간단한 카운터 클로저def make_counter(): count = 0 def counter(): nonlocal count count += 1 return count return countercounter = make_counter()print(counter()) # 1 출력print(counter()) # 2 출력설명:make_counter 함수는 count 변수를 초기화하고, counter 함수를 반환합니다.반환된 counter 함수는 make_counter 함수의 count 변수를 기억하고, 호출될 때마다 1씩 증가시킵니다.이것이 클로저의 가장 기본적인 형태입니다. .. 2024. 12. 26. 클로저와 데코레이터 요약 정리 클로저와 데코레이터 요약 정리 🎨1. 클로저 (Closure) 📦정의: 🧩 함수 내부에 정의된 내부 함수(inner function)가 외부 함수의 변수를 기억하고 접근할 수 있는 함수. 외부 함수는 내부 함수를 반환한다. 🔄 핵심:외부 함수의 변수 값을 내부 함수에 저장하여 반환 💾마치 클래스를 이용해 특정 값으로 객체를 만드는 것과 유사 ⚙️예시:외부 함수 mul은 m 값을 받아 내부 함수 wrapper를 생성 및 반환 📤➡️📥mul3는 m 값이 3으로 고정된 클로저가 됨 🔒mul3(n)을 호출하면 m 값 3과 n을 곱한 결과를 반환 🔢def mul(m): # 외부 함수 def wrapper(n): # 내부 함수 return m * n return wrappe.. 2024. 12. 26. [TIL] 머신러닝 파이프 라인 개념 🚀 머신러닝 파이프라인 개념 정리 📝오늘은 머신러닝 모델링 과정을 효율적으로 관리하는 데 도움이 되는 파이프라인(Pipeline)에 대해 학습했습니다. 파이프라인은 복잡한 머신러닝 워크플로우를 단순화하고, 코드의 재사용성을 높이는 데 유용한 도구입니다. 초급 개발자의 입장에서 파이프라인의 기본 개념과 활용 방법을 정리해 보겠습니다. 1. 파이프라인이란 무엇인가? 🤔파이프라인은 머신러닝 모델을 개발하는 데 필요한 여러 단계들을 하나의 흐름으로 연결해주는 도구입니다. 데이터 준비, 전처리, 모델 학습, 예측 등 일련의 과정을 미리 정의해두고, 파이프라인을 통해 자동으로 처리할 수 있습니다. Scikit-learn 라이브러리에서는 Pipeline 클래스를 제공하여 파이프라인을 쉽게 구축할 수 있습니다. .. 2024. 12. 24. [TIL] 데이터 전처리 인코딩, 스케일링 ✨ 머신러닝 데이터 전처리: 핵심 개념 정리 및 실전 가이드 🚀머신러닝 모델의 성능을 극대화하기 위해서는 데이터 전처리 과정이 필수적입니다. 🛠️ 이 과정은 모델 학습에 적합한 형태로 데이터를 변환하고, 데이터 품질을 향상시켜 더 나은 예측 결과를 얻도록 돕습니다. 이번 글에서는 머신러닝 데이터 전처리의 핵심 개념인 인코딩과 스케일링을 중심으로 자세히 알아보겠습니다. 🤔1. 왜 데이터 전처리가 필요할까요? 🤔머신러닝 모델은 우리가 제공하는 데이터를 기반으로 학습합니다. 하지만 현실의 데이터는 종종 불완전하거나, 모델이 바로 이해하기 어려운 형태로 존재합니다. 이러한 문제를 해결하고 모델의 성능을 극대화하기 위해 데이터 전처리 과정이 필요합니다. 크게 두 가지 주요 전처리 기법이 있습니다:인코딩(E.. 2024. 12. 23. 클래스와 메서드 복습 🎓 클래스(Class) 정리: 개념 복습🚀안녕하세요! 오늘은 객체 지향 프로그래밍(OOP)의 핵심인 클래스(Class)에 대해 더 깊이 있게 알아보는 시간을 갖겠습니다. 🤔 클래스란 무엇일까요?클래스는 객체(Object)를 만들기 위한 설계도입니다. 🎨 붕어빵 틀처럼 클래스를 정의해두면, 그 틀을 사용해 여러 개의 객체를 찍어낼 수 있죠. 객체는 현실 세계의 사물이나 개념을 프로그래밍적으로 표현한 것입니다. 💡 🛠️ 클래스 핵심 요소 복습 📌 클래스 변수 (Class Variable): 객체들이 공유하는 값 🤝클래스 변수는 클래스 "자체"에 속한 변수입니다. 이 클래스로 만들어진 모든 객체들이 **공유하는 값**을 저장할 때 사용됩니다. 🔄 사용 이유:공통 값 관리: 모든 객체가 똑같이.. 2024. 12. 21. 탐색적 데이터 분석(EDA) 탐색적 데이터 분석(EDA) 개요탐색적 데이터 분석(EDA)은 데이터를 이해하고 모델링 이전에 데이터를 정제하기 위한 필수 과정입니다.EDA를 통해 데이터의 분포, 이상치, 결측치, 상관관계 등을 파악하여 데이터 전처리 및 모델 설계의 방향성을 결정할 수 있습니다.1. 데이터 구조와 개요 확인EDA의 첫 번째 단계는 데이터셋의 전반적인 구조를 파악하는 것입니다.데이터 크기 확인: 데이터셋의 행(row)과 열(column) 개수를 파악하여 전체적인 데이터 구조를 이해.print(data.shape) # 행(row)과 열(column) 개수데이터 타입 확인: 각 열의 데이터 유형(수치형, 범주형, 날짜 등)을 파악.print(data.info()) # 데이터 타입 및 결측치 정보샘플 데이터 확인: 데이터.. 2024. 12. 19. 이전 1 ··· 3 4 5 6 7 8 다음
