Skip to content

ML 모델 개발, 성능 평가 과정에서 시각화 library를 활용하는 방법

Notifications You must be signed in to change notification settings

uujeong/Visualization_with_Python

Repository files navigation

🐍 Python Visualization

파이썬 라이브러리를 활용한 데이터 시각화 repository 입니다.
이 repository의 구성은 다음과 같습니다.

  1. data
  2. Matplotlib.ipynb
  3. Seaborn.ipynb
  4. MissingData.ipynb
  5. Location.ipynb
  6. ML.ipynb

python의 시각화 라이브러리 matplotlib.pyplot, seaborn을 활용하였으며, 이 시각화가 어떤 방식으로 활용되는지에 대한 예시를 제공합니다.
데이터 전처리 단계에서는 이상치 탐지와 결측치 확인을 위해 시각적 도구를 제공합니다. 데이터를 결합하고 분석할 때, 이 라이브러리들은 변수 간의 관계데이터 분포를 이해하는 데 도움을 줍니다. 또한, 머신러닝 모델을 개발하고 평가하는 과정에서도 시각화 그림을 통해 모델의 성능을 직관적으로 평가할 수 있게 합니다.

0. data

  • ipynb 파일에서 사용되는 데이터 파일들

1. Matplotlib.ipynb

  • 제목 표시
  • 범례 표시
  • x, y 축 라벨 표시
  • 그림 크기, 선 스타일, 색상 지정
  • 여러개의 그래프를 동시에 표시하기 (subplot)

2. Seaborn.ipynb

  • Bar Plot
  • Count Plot
  • Box Plot
  • Violin Plot
  • Strip Plot
  • Swarm Plot
  • Scatter Plot
  • LM Plot
  • KDE Plot
  • Joint Plot

3. MissingData.ipynb

  • 결측 데이터 시각화
  • 이상치 데이터 시각화

4. Location.ipynb

  • folium 라이브러리를 활용한 지도 시각화

5. ML.ipynb

  • 회귀분석
    • 단순 회귀분석
    • 다항 회귀분석
    • 다중 회귀분석
  • 분류분석
    • KNN
    • SVM
    • Decision Tree
  • 군집 분석
    • K-means
    • DBSCAN

About

ML 모델 개발, 성능 평가 과정에서 시각화 library를 활용하는 방법

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published