독립표본 t-검정 목적은 서로 다른 두 그룹의 데이터 평균을 비교 엑셀과 Python 을 이용하여서 예제를 통하여 검정을 해보자 두반의 점수 데이터를 이용하여서 아래의 가설을 검증한다. 귀무가설(H0) : A반평균 = B반평균 대립가설(H1) : A반평균 ≠ B반평균 01. 엑셀을 이용한 검증 t-검정을 수행하기 전에 F-검정의 결과 값이 0.05보다 큰 경우 수행한다. ① F-검정 은 엑셀메뉴에서 데이터 > 데이터분석 > F-검정:분산에 대한 두집단 선택 ② t-검정 은 엑셀메뉴에서 데이터 > 데이터분석 > t-검정:등분산 가정 두집단 선택 데이터분석 메뉴가 안보이는 경우 파일 > 옵션 > 추가기능 맨아래부분에 관리 부분에 이동이라는 버튼 선택 후 분석도구 선택 02. Python을 이용한 검증 결과해..

단일표본 t-검정 목적은 그룹의 평균이 기준 값과 차이가 있는지를 확인 엑셀과 Python 을 이용하여서 예제를 통하여 검정을 해보자 성인여성의키 데이터를 이용하여서 아래의 가설을 검증한다. 귀무가설(H0) : 성인여성의 평균키는 163Cm 이다 대립가설(H1) : 성인여성의 평균키는 163Cm 가아니다. 01.엑셀을 이용한 검증 위의 p-value 값이 0.05 보다 작으므로 귀무가설은 기각이 된다. 그리고 통계량의 값을 보았을때 평균값은 163Cm 보다 작다는 것을 알수 있다. Python으로 검증 했을때 결과를 보자 02.Python을 이용한 검증 Python의 결과를 보면 엑셀과 다르지는 않다. 위의 예제는 현재 패스트캠퍼스에서 데이터전처리 과정 강의내용이다. 엑셀 부분은 강의내용에 포함되지 않았..

앞에서 생성 된 모델 파일을 이용하여서 Rest API를 통하여서 사용자가 입력한 데이터를 받은 후 어떤 종류의 꽃인지 반환 해주는 API작성 코드작성 app.py 작성 from flask_restful import reqparse from flask import Flask, jsonify import numpy as np import pickle as p import json app = Flask(__name__) @app.route('/predict/', methods=['POST']) def predict(): parser = reqparse.RequestParser() parser.add_argument('petal_length') parser.add_argument('petal_width') p..

KNeighborsClassifier¶ In [32]: import warnings # 불필요한 경고 출력을 방지합니다. warnings.filterwarnings('ignore') 1.데이터셋 만들기¶ step 1: 데이터셋 불러오기¶ In [6]: from sklearn.datasets import load_iris from IPython.core.display import display, HTML display(HTML("")) In [7]: # iris 데이터셋을 불러옵니다. iris = load_iris() DESCR: 데이터셋의 정보를 보여줍니다. data: feature data. feature_names: feature data의 컬럼 이름 target: label data ..

Flask와 머신러닝 모델을 Rest API연동을 하는 방법에 대한 정리 개발절차 scikit-learn API 을 이용한 머신러닝 모델 작성 모델 작성 후 pickle 파일을 만든다. Rest API 작성 모델 scikit-learn의 iris dataset을 이용하여 KNKNeighborsClassifier 를 통하여 꽃의 종류를 분류 한다.

DELETE /stores/ 매장 정보 삭제 Resource URL http://localhost:5000/stores/ Request http://localhost:5000/stores/ 소스코드 작성 소스코드 작성은 다음과 같이 작성한다.Model 파일에 매장상세정보 조회 메소드 추가Resource 파일에 매장상세정보 조회 메소드 추가app.py 매장상세정보 Resource 정보 등록 store.py - Model@classmethod def delete_by_store_id(self, store_id): db.session.query(self).filter_by(store_id=store_id).delete(synchronize_session=False) db.session.commit() stor..