반응형 Data Science242 [R] one hot encoding in r One-hot encoding in r # 0. sample data # 1. mltools, data.table # 2. reshape2 # 0. sample data set.seed(42) data 2021. 10. 5. [linux] Ubuntu 18.04 directory 만들 때 권한 옵션 주기 # 1. create directory # 2. create directory with permission # 1. create directory mkdir /path/directoryname # 2. create directory with permission mkdir -m 777 path/directoryname 2. 관련 ref : https://stackoverflow.com/questions/5786326/how-to-create-a-directory-and-give-permission-in-single-command How to create a directory and give permission in single command How to create a directory and give p.. 2021. 10. 5. [linux] [Streamlit] streamlit을 이용해서간단한 머신러닝 사용 앱 구현하기 index 1. data scientist life cycle 2. install streamlit 3. edit config file 4. run .py file 1. data scientist life cycle 데이터 사이언스를 한다면 프로젝트 단위로 위 사이클에서 크게 벗어나지 않을 것임. 그 중에서 Model Deployment 부분에 대한 글임 2. install streamlit - streamlit은 머신러닝 및 데이터 사이언스를 위한 맞춤 웹 앱을 쉽게 만들고 공유할 수 있는 오픈소스 python 라이브러리임. - pip install 가능 pip install streamlit 3. edit config file 예제 참고 예제 1. https://www.geeksforgeeks.org.. 2021. 9. 17. [linux] Ubuntu 18.04 Port, 특정 포트 죽이기 # 1. port 확인 # 2. 포트번호로 죽이기 - fuser # 3. 프로세스 아이디로 죽이기 - fill # 1. port 확인 $ netstat -tnlp 8501 -> 포트번호 46009 -> PID(프로세스 아이디) # 2. 포트번호로 죽이기 - fuser $ fuser -k 8501/tcp # 3. PID(프로세스 아이디)로 죽이기 - fill $ kill -9 46009 2021. 9. 13. [linux] Ubuntu 18.04 방화벽(firewall) 설정 빠른 설정 1. UFW 상태 확인 $ sudo ufw status verbose 2. 원하는 포트(8050) 모두(tcp, udp) 허용 $ sudo ufw allow 8050 3. 원하는 포트(8050) tcp 허용 $ sudo ufw allow 8050/tcp 4. 원하는 포트(8050) 모두(tcp, udp) 거부 $ sudo ufw deny 8050 자세한 세부 설정 및 참고 https://webdir.tistory.com/206 [Ubuntu] 우분투 방화벽(UFW) 설정 우분투의 기본적인 방화벽은 UFW입니다. 이는 iptables를 좀 더 쉽게 설정할 수 있도록 한 것인데 간단한 방화벽 구성에는 문제가 없지만 수준 높은 방화벽 구성에는 iptables 룰을 직접 사용해야 합 webdir.ti.. 2021. 9. 7. [python] XGBoost : Dimension Reduction,Feature selection using Feature importance or BorutaShap XGBoost : Dimension Reduction (feature selection) 1. Feature importance 2. BorutaShap XGBoost 알고리즘으로 모델을 만들고 최대한 input variables을 줄여 경제적인 모델을 만들기 위해 두 가지 방법을 사용해 봄. 1. Feature importance - XGBoost의 기본 내장된 feature_importance를 이용하는 방법. - importance가 가장 작은 변수를 차례대로 제거 해주고 train에서 성능을 비교 - 본인의 기준에 맞게 제거할 변수를 선택 - 논리적이긴 하나 특별한 이론이 개입된 방법은 아니기 떄문에 신뢰성에 대한 이슈는 있음. #1.1 XGBoost의 내장되어 있는 기능으로 importance를.. 2021. 8. 6. 이전 1 ··· 27 28 29 30 31 32 33 ··· 41 다음
