Creative Code

# pynecone 라이브러리를 가져옵니다. import pynecone as pc # 입력 필드를 만드는 함수를 정의합니다. def get_input_field(icon: str, placeholder: str, _type: str): return pc.container( # 수평으로 정렬된 아이콘과 입력 필드를 포함하는 컨테이너를 생성합니다. pc.hstack( pc.icon( tag=icon, color='green', fontSize='12px', ), pc.input( placeholder=placeholder, border='0px', focus_border_color='black', fontWeight='semibold', fontSize='13px', type=_type, ), ), bor..

https://wikidocs.net/91422 3-05 첫 번째 Django프로젝트 시작하기 ## Django 개발 환경 설정 먼저, 우리가 배울 `django` 라이브러리를 다운 받자. ``` $ pip install django ``` 조금만 기다리면 최… wikidocs.net https://www.youtube.com/playlist?list=PLgRxBCVPaZ_1iBe1v3-ZSSzHGdQo7AZPq 인스타그램 클론코딩 www.youtube.com --> 플러터로 개발(앱개발,웹개발 모두사용) - C,C++,dart https://www.youtube.com/watch?v=zhCT0SnikOw&list=PLDHA4931gtc7wHBDGQOYlmcpZm7qyici7&index=1 pynecon..

pip install graphviz 먼저 설치 # 필요한 라이브러리 및 모듈을 가져오기 from sklearn.tree import DecisionTreeClassifier # 결정 트리 분류기를 사용하기 위한 모듈 from sklearn.datasets import load_iris # 아이리스 데이터셋을 불러오기 위한 모듈 from sklearn.model_selection import train_test_split # 데이터를 훈련 및 테스트 세트로 분할하기 위한 모듈 from sklearn.tree import export_graphviz # 결정 트리를 시각화하기 위한 모듈 import graphviz # 그래프 시각화 도구를 사용하기 위한 모듈 import pandas as pd # 데이터프..

import pandas as pd from sklearn.model_selection import train_test_split import numpy as np from sklearn.preprocessing import Binarizer from sklearn.metrics import precision_recall_curve import matplotlib.pyplot as plt import matplotlib.ticker as ticker # 데이터 전처리 함수 정의 def fillna(df): df['Age'].fillna(df['Age'].mean(), inplace=True) # 'Age' 열의 누락된 값들을 평균값으로 대체 df['Cabin'].fillna('N', inplace=Tru..

from sklearn.base import BaseEstimator import numpy as np class MyDummyClassifier(BaseEstimator): def fit(self, x, y=None): pass def predict(self, x): pred = np.zeros((x.shape[0], 1)) # 0으로 채워진 배열 생성 for i in range(x.shape[0]): if x['Sex'].iloc[i] == 1: # 'Sex' 열의 값이 1인 경우 0으로 예측 pred[i] = 0 else: pred[i] = 1 # 'Sex' 열의 값이 1이 아닌 경우 1로 예측 return pred # 예측 결과 반환 import pandas as pd from sklearn.mo..

from sklearn.datasets import fetch_openml mnist = fetch_openml('mnist_784') print(mnist.data) import matplotlib.pyplot as plt plt.imshow(mnist.data.values[0].reshape(28,28),cmap = 'gray') from sklearn.model_selection import train_test_split X_train,X_test,y_train,y_test = train_test_split(mnist.data,mnist.target,test_size=0.1) from sklearn.ensemble import RandomForestClassifier from sklearn.metr..