[이산수학] 수 체계 기호 조건 퍼셉트론

Posted Nov 24, 2023

By 엉덩희 6 min read

안녕하세요! 오늘도 이산수학에 대해서 배웠는데.. 그냥 수학분야가 아닌 인공지능이론이랑 결합되니까 정말 복잡해지네요 ㅎㅎ 근데 그만큼 또 재밌습니다!

자연수

- 사물을 셀 때나 순서를 매길 때 사용하는 수 1,2,3…

정수

- 자연수에 0과 음수를 더한것으로 -1,0,1 …

유리수

- 분자, 분모로 정수를 갖는 분수로 나타낼 수 있는 수

무리수

- Irrational number: 이치에 맞지 않는 수?

- ratio: 비율

- 즉 비율이 없는 수 또는 비율로 나타낼 수 없는 수

- e: 2.718 … pi: 3.41…

이건 우리가 다 아는 거죠? 이제 빅데이터나 인공지능에서 다루는 데이터들의 분류를 알아봅시다.

$Desktop View$

이렇게 나눌 수 있죠… 하지만 우리는 나중에 파이썬으로 분석을 해야해서 숫자로 전부 표현해야합니다.

data = {
    'Name':['John', 'Sabre', 'Kim', 'Sato', 'Lee', 'Smith', 'David', 'Park'],
    'Country':['USA', 'France', 'Korea', None, 'Korea', 'UK', 'USA', 'Korea'],
    'Age':['31', 33, None, 40, 36, 55, np.nan, 35], # numerical인데 categorical처럼 인식될 수 있음
    'Job':['Student', np.nan, 'Developer', 'Chef', 'Professor', 'CEO', 'Banker', 'Student'],
    'Hand':['L', 'R', 'R', 'B', 'L', 'L', 'R', 'R'],
    'Height':['T', 'S', 'M', 'S', 'T', 'S', 'S', 'T'],
    'Capital':[48.35, 150.8, 99.0, 100.0, 182.3, 1101.65, 131.87, 65.8]
}

df_nan = pd.DataFrame(data)
df = df_nan.copy()
df

이렇게 데이터 프레임이 주어졌다면 age에는 문자로 입력된 것도 있고 주 손잡이도 문자로 되어있네요.

# Age -> Int16[+]로 변환하는 작업
df['Age'] =df['Age'].astype('Float32').astype('Int16')

df_enc = df.copy() #사본 카피


from sklearn.preprocessing import OrdinalEncoder #

# Hand 칼럼 ordinal [+]로 변환하는 작업
ord_enc = OrdinalEncoder()
ord_enc.fit(df[['Hand']])
ord_enc.transform(df[['Hand']])

이렇게 age컬럼은 전부 정수로 바꿔주고 주손은 OrdinalEncoder()로 구분될 수 있는 숫자로 변환합니다.

$Desktop View$

이렇게요.. 하지만 나중에 어떤것이 어느 것을 가리킬지 모르니까

from sklearn.preprocessing import OneHotEncoder

# Hand 칼럼 onehot [+]  - 해당 되는 곳에만 1표시
oh_enc= OneHotEncoder(sparse=False)
oh_enc.fit(df[["Hand"]])
oh_enc.transform(df[["Hand"]])

이렇게 원핫인코딩으로 해당되는 곳에만 1표시하도록 할 수도 있습니다.

$Desktop View$