멋쟁이 사자처럼 AI School 13주차

7월 25일

• 프로젝트 발표
• 비지도 학습
• 차원 축소
• 차원의 저주 -> 고차원에서 데이터 밀도가 낮아지고 용량이 높아지는 현상
• PCA(Principal Component Analysis)
  • SVD
  • TruncatedSVD (aka LSA)
  • LatenetDirichletAllocation
  • NMF (비음수 행렬 분해, Non-Negative Matrix Factorization)
  • TSNE(T-Distributed Stochastic Neighbor Embedding)
  • np.argsort -> 정렬 후 정렬된 인덱스 배열을 반환

7월 26일

• 특이값 분해를하면 정보를 잃어버릴 수 있는데, 용량이 작아지고 정보가 요약됨
• 토픽 모델링
• 잠재 의미 분석(LSI)
• pyLDAvis
• 코사인 유사도: 다차원의 양수 공간에서 사용
• df.loc[조건, 열]
• RFM 분석
• ARPU / ARPPU

7월 27일

• RFM 분석 (Recency, Frequency, Monetary Analysis)
  • 가치있는 고객을 추출해내어 고객을 분류할 수 있는 분석 방법
  • 구매 가능성이 높은 고객을 선정하기 위한 데이터 분석 방법
• yellowbrick <- 시각화 기능
• Clustering
  • 대표적인 비지도 학습 방법
  • 데이터들의 특성을 고려해 데이터 집단(cluster)을 정의하고 대표하는 대표점을 찾는 데이터 마이닝 방법
• 좋은 군집
  • 전체 실루엣 계수의 평균값 0~1 사이, 1에 가까울수록
  • 개별 군집과 전체 군집의 실루엣 평균값의 편차가 크지 않은 것

7월 28일

• 인싸이트 타임
• 테스트 커버리지
  • 테스트가 얼마나 촘촘하게 작성되었는지 알려주는 지표
  • pytest-cov
• 논리 부정(logical negation; not)과 비트와이즈 부정(bitwise negation; ~)
  • 논리 부정: 피연산자도 bool, 결과값도 bool (True이면 False로, False이면 True로)
  • 비트와이즈 부정: 피연산자도 int, 결과값도 int (모든 비트를 뒤집은 결과값, 즉 2의 보수를 반환)
  • 단, numpy와 pandas에서는 비트와이즈 부정 연산자(~)를 논리부정 연산자로 재정의
• 모의 객체 (mock object)
  • 실제 객체랑 겉보기엔 비슷하나, 실제로는 아무 일도 수행하지 않는 가짜 객체
  • 단위 테스트에서 원하는 코드만 정확히 테스트하기 위해 사용
  • pytest-mock

7월 29일

• 정렬 알고리즘
• 페이지 교체 알고리즘
• LRU
• 실전 문제 풀이