뭐든지 다 알아보자

https://school.programmers.co.kr/learn/courses/30/lessons/42583

from collections import deque

def solution(bridge_length, weight, truck_weights):

    answer = 0
    bridge = deque(0 for _ in range(bridge_length))
    # print(bridge)
    truck_weights = deque(truck_weights)
    while bridge:

        answer += 1
        bridge.popleft()

        if truck_weights:
            if sum(bridge) + truck_weights[0] <= weight:
                t = truck_weights.popleft()
                print("t: {}".format(t))
                bridge.append(t)
            else:
                bridge.append(0)


    return answer


print(solution(2, 10, [7, 4, 5, 6]), 8)
print(solution(100, 100, [10]), 101)
print(solution(100, 100, [10, 10, 10, 10, 10, 10, 10, 10, 10, 10]), 110)

기존 프로그래밍 : 데이터를 입력해서 답을 구하는 데 초점

머신러닝: 데이터 안에서 규칙 발견하고 ==> 그 규칙을 새로운 데이터에 적용해서 새로운 결과 도출

==> 기존 데이터를 이용해 아직 일어나지 않은 미지의 일을 예측

학습(Training) : 

==> 데이터가 입력되고 패턴이 분석되는 과정

==> 예측 성공률은 얼마나 정확한 경계선을 긋느냐에 달려 있다.

==> 랜덤 포레스트(Random Forest) , 서포트 벡터 머신(Support vector machines) 등 많은 방법들이 세상에 있다.

==> 딥러닝은 머신러닝 방법 가운데 가장 효과적인 방법

loss : 예측에서 빗나간 정도

accuracy : 예측이 성공할 확률 ==> 정확도 1.0 ==> 100% 모두 맞힌다는 뜻

==> 새로운 환자의 정보를 입력하면 이 환자의 수술 후 생존율은 86%이상 맞힌다

Tensorflow ==> 목적지까지 빠르게 이동시켜주는 '비행기'에 해당

Keras ==> 비행기의 이륙 및 정확한 지점까지 도착을 책임지는 '파일럿'에 해당

딥러닝 라이브러리에는 텐서플로 외에도 파이토치 등 다양한 종류가 존재

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

model = Sequential()
model.add(Dense(30, input_dim=17, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

==> Sequential()함수는 딥러닝의 구조를 한 층 한 층 쉽게 쌓아올릴 수 있게 해준다.

==> model.add() 함수를 사용해 필요한 층을 차례로 추가하면 된다.

==> 2개의 층을 쌓아 올렸다.

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

==> complie()함수를 사용해 딥러닝의 구조와 층별 옵션을 정하고 나면 실행 시킨다.

1. 실생활 통계(1.1~1.4 통계량)

2. 딥러닝 설치 완료 (TensorFlow , Keras)

3. 프로그래머스 (X) ==> 앞으로 매일 할것

4. 분석 진행(ARIMA 시계열 분석 공부)

내일 할것

1. 실생활 통계(2.1~2.4)

2. 프로그래머스 스택,큐 2문제

3. 딥러닝 (선형회귀_3 진행) 

4. 분석 과정 정리

TensorFlow 설치

1. 

!pip install --trusted-host pypi.python.org --trusted-host files.pythonhosted.org --trusted-host pypi.org  tensorflow

2.

Anaconda Prompt 관리자 실행 ==> conda install tensorflow

Keras 설치

1.

Anaconda Prompt 관리자 실행 ==> conda install keras

Proceed : Y 입력하면 설치 완료된다.

통계는 서로 다른 두가지 과정을 통하여 결과를 얻는다.

기술통계학 : 

EX) 류현진 2014년 5월 ==> 내셔널리그 중부 지구 팀을 상대로 통산 5경기 등판 ==> 5전 전승

==> 자료 집단의 여러가지 특성을 기술하는 통계학

==> 표,그래프,그림등으로 나타내거나 자료가 갖는 수치적인 특성을 분석하고 설명하는 방법을 다루는 통계학

추측통계학 :

EX) 2014년 지방선거 지상파 방송 3사가 공동으로 실시한 출구조사 

==> 표본으로부터 얻은 정보를 이용하여 알려지지 않은 모집단의 정보를 추론

==> 표본을 대상으로 얻은 정보로부터 모집단에 대한 불확실한 특성(모수)를 과학적으로 추론 

=======================================

수치적인 척도에 따른 분류

양적자료 :

EX) 1. 지난 한 달 동안 기록한 온도에 관한 측정값 ==> 한 달 동안의 일일 기온 비교하여 기온 비교

       2. 150명으로 구성된 우리 학과 학생들의 키 측정값

       ==> 측정값을 비교함으로써 A가 B보다 더 크거나 작다는 의미 부여

==> 이와 같이 숫자에 의미가 부여

                  이산자료(Discrete Data) : 공백을 가지고 산발적으로 나타나는 자료

                  연속자료(Continuos Data) : 지정한 구간 안에서 관측값 사이에 공백 없이 측정되는 자료

질적자료(Qualitative Data): 

EX) 1. 150명으로 구성된 학과 학생들 중 남자는 99명, 여자는 51명

==> 150명의 학생은 남자, 여자의 2가지 범주로 구분

       2. A형, B형, AB형 , O 형 합해서 176명

       ==> 4가지 범주인 A,B,AB,O형으로 구분된다.

==> 이와 같이 범주형 자료는 숫자에 의하여 표현되지 않고 여러 개의 범주로 구분

                  명목자료(nominal Data) : 각 범주를 숫자로 대치

                  ==> EX) 초등학교 1 중학교 2 고등학교 3 대학교 4 ==> 부여된 숫자는 순서의 개념

출처 :  [쉽게 배우는 생활속의 통계학]  [북스힐 , 이재원] 

※혼자 공부 정리용

통계의 필요성 : 

통계적 기교가 기업 운영이나 가계에 대한 중요한 결정을 하는 데 유용하게 사용되며, 기업이나 개인의 의사결정을 돕는다.

통계학 : 효과적인 의사결정 내리기 위해 자료를 수집, 요약 , 분석 , 표현, 판단

통계의 사전적 의미 :

수치로 표현되는 사실 또는 자료를 수집하고 분석하며  표로 만들어 어떤 주제에 대한 의미 있는 정보를 얻어내는 일련의 과정

RAW DATA : 통계적으로 처리되지 않은 최초의 수집된 본래의 자료

================================

모집단(Population) :

통계적인 관찰의 대상이 되는 집단 전체를 말한다. 

==> EX) 2014년 6.4 지방선거에서 선거권을 갖는 20대 유권자 전체

==> 유한개 ==> 유한 모집단(FINITE POPULATION) 

==> EX) 몸무게 등과 같이 관찰값이 연속적으로 나타나는 모집단 ==> 무한모집단(INFINITE POPULATION)

표본(SAMPLE) :

모집단으로부터 추출된 일부 대상들의 집합

==> 지방선거에서 모두의 성향 파악 불가능 ==> 일부만 추출하여 판단

==> 표본은 모집단의 부분집합

전수조사 :

==> 인구 총 조사와 같이 조사 대상이 되는 모든 대상을 상대로 통계조사

임의추출(Random Sampling) :

==> 각각의 요소들이 선정될 가능성을 동등하게 부여하여 객관적이고 공정하게 표본 선택

확률표본(SAMPLE SURVEY) :

==> 임의추출 하여 조사 ==> 표본 조사(Sample Survey) ==> 선정된 표본

EX1) 

모수(Parameter) :

==> 모집단의 특성을 설명하는 수치 ==> 모집단 자료를 얻는다는 것이 불가능 ==> 대부분 알려지지 않은 수치

통계량(Statistics):

==> 표본의 특성을 나타내는 수치 ==> 표본으로부터 조사되어 알 수 있는 정보

출처 :  [쉽게 배우는 생활속의 통계학]  [북스힐 , 이재원] 

※혼자 공부 정리용

1. insert

a.insert(0 , '공관코드' , '-')
a.insert(1,'재외공관' ,'합계')

a의 DataFrame에 0번째 열에 '공관코드' 컬럼 추가하고 값은 '-'로 처리

                             1번째 열에 '재외공관' 컬럼 추가하고 값은 '합계'로 처리

2. concat

df = pd.concat([df , a] ,ignore_index=True)

#밑에 행으로 추가된다.

1. apply 함수 활용하여 lambda 함수 적용시키기

df3['재외공관'] = df3.apply(lambda x: x['재외공관'].replace('대한민국', '',1) if x['재외공관'] else '' , axis =1) 
#'재외공관' 열에 
#'재외공관' 열의 값이 대한민국이라는 글자가 1개 있으면 지우기 
#if x['재외공관'] 이 만족하면 아니라면 그냥 없애기

2. 정규식 re 사용하여 공백제거하기

a= re.sub(r" ", "" , df3['재외공관'][i]) #정규식 사용하여 공백 제거하기

re.sub () ==> 대체하게 하는 정규식