bro's coding

from sklearn.neighbors import KNeighborsClassifier X=iris[:,:4] y=iris[:,4] knn=KNeighborsClassifier() knn.fit(X,y) knn.score(X,y) knn.predict(X) from sklearn.linear_model import LinearRegression linear=LinearRegression() linear.fit(iris[:,[2]],iris[:,3]) 기울기 = linear.coef_[0] 절편 = linear.intercept_ 기울기, 절편 plt.scatter(iris[:,2],iris[:,3]) plt.xlabel('PetalLength') plt.ylabel('PetalWidth') plt.p..

plt.subplot(2,2,1) plt.title('SepalLength') plt.hist(iris[:,0],bins=30) plt.subplot(2,2,2) plt.title('SepalWidth') plt.hist(iris[:,1], bins=30) plt.subplot(2,2,3) plt.title('PetalLength') plt.hist(iris[:,2],bins=30) plt.subplot(2,2,4) plt.title('PetalWidth') plt.hist(iris[:,3],bins=30)

plt.plot(iris[:50,:4].T,'r-',alpha=0.1) plt.plot(iris[50:100,:4].T,'g-',alpha=0.1) plt.plot(iris[100:150,:4].T,'b-',alpha=0.1) pass​ plt.plot(iris) plt.legend(iris_pd.columns)

import matplotlib.pyplot as plt plt.scatter(iris[:,2],iris[:,3],c=iris[:,4],s=iris[:,1]+100,alpha=0.2) #우측에 bar표시 plt.colorbar() plt.title('SepalLength Vs SepalWidth') plt.xlabel('SepalLength') plt.ylabel('SepalWidth')

NUMPY MATPLOTLIB PANDAS 수치데이터 분석 정방형 데이터 고차원 데이터 머신러닝 작업 시각화 다양한 그래프 문자/숫자 데이터 2차원 표형태 데이터 데이터베이스 작업 통게 분석 import numpy as np import matplotlib.pyplot as plt import pandas as pd

a.shape=[5,4,3,2,1] a.ndim=5(dimension)

label = {'Iris-setosa':0,'Iris-versicolor':1,'Iris-virginica':2} iris_df['Name']=iris_df['Name'].map(label) iris=iris_df.values #Pandas 데이터 모두를 Numpy 데이터 형태로 가져온다

iris_df.info() iris_df['Name'] iris_df['Name'].unique()