머신러닝을 위한 Python 생태계 학습 기록

import numpy as np

# NumPy로 간단한 배열 연산
arr = np.array([[1, 2, 3], [4, 5, 6]])
print("배열의 형태:", arr.shape)
print("배열의 차원:", arr.ndim)

# 복잡한 배열 연산
matrix_mul = np.dot(arr, arr.T)
print("행렬 곱셈 결과:\n", matrix_mul)

import pandas as pd

# 데이터프레임 기본 조작
df = pd.read_csv('my_dataset.csv')

# 결측값 처리 및 고급 분석
df_cleaned = df.dropna()
grouped_data = df_cleaned.groupby('category').agg({
    'value': ['mean', 'median', 'std']
})
print("카테고리별 통계:\n", grouped_data)

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report

# 데이터 분할 및 전처리
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 데이터 스케일링
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 로지스틱 회귀 모델 학습
model = LogisticRegression(max_iter=1000)
model.fit(X_train_scaled, y_train)

# 모델 평가
predictions = model.predict(X_test_scaled)
print("분류 보고서:\n", classification_report(y_test, predictions))