Tag

카카오톡

카카오톡 글 쓴이 예측 머신러닝

3 분 소요

머신러닝으로 3명이 쓴 글 중 특정 단어를 변수로 글 쓴이를 맞추고 어떤 단어들로 그 글쓴이를 특정하는지도 알아봅니다.

카카오톡 대화량 시계열 예측

3 분 소요

월별 대화량은 훌륭한 시계열 데이터가 됩니다. 데이터에 적합한 시계열 모델로 향후 2개월 정도의 대화량을 예측해 봅니다.

카카오톡 대화 EDA(3)

1 분 소요

연속형 변수에 따른 발언수를 확률밀도함수 그래프로 살펴보았습니다.

카카오톡 대화 EDA(2)

2 분 소요

연속형 변수에 따른 발언수를 범주별로 비교해 보겠습니다. 점과 선으로 표현해 보았습니다.

카카오톡 대화 EDA(1)

3 분 소요

다양한 변수에 따른 발언수를 비교해 보겠습니다. 막대 그래프로 표현해 봤습니다.

카카오톡 대화 전처리(2)

2 분 소요

텍스트 마니닝(text Mining)을 위해 1차로 전처리된 데이터에서 날짜와 관련된 각종 변수를 뽑아냅니다.

카카오톡 대화 전처리(1)

3 분 소요

카톡 대화방 내용 내려받아서 텍스트 마이닝(Text Mining)을 위해 행과 열로 된 데이터로 만드는 전처리 과정을 설명합니다.

맨 위로 이동 ↑

tidyverse

카카오톡 글 쓴이 예측 머신러닝

3 분 소요

머신러닝으로 3명이 쓴 글 중 특정 단어를 변수로 글 쓴이를 맞추고 어떤 단어들로 그 글쓴이를 특정하는지도 알아봅니다.

카카오톡 대화량 시계열 예측

3 분 소요

월별 대화량은 훌륭한 시계열 데이터가 됩니다. 데이터에 적합한 시계열 모델로 향후 2개월 정도의 대화량을 예측해 봅니다.

카카오톡 대화 EDA(3)

1 분 소요

연속형 변수에 따른 발언수를 확률밀도함수 그래프로 살펴보았습니다.

카카오톡 대화 EDA(2)

2 분 소요

연속형 변수에 따른 발언수를 범주별로 비교해 보겠습니다. 점과 선으로 표현해 보았습니다.

카카오톡 대화 EDA(1)

3 분 소요

다양한 변수에 따른 발언수를 비교해 보겠습니다. 막대 그래프로 표현해 봤습니다.

카카오톡 대화 전처리(2)

2 분 소요

텍스트 마니닝(text Mining)을 위해 1차로 전처리된 데이터에서 날짜와 관련된 각종 변수를 뽑아냅니다.

카카오톡 대화 전처리(1)

3 분 소요

카톡 대화방 내용 내려받아서 텍스트 마이닝(Text Mining)을 위해 행과 열로 된 데이터로 만드는 전처리 과정을 설명합니다.

맨 위로 이동 ↑

전처리

카카오톡 글 쓴이 예측 머신러닝

3 분 소요

머신러닝으로 3명이 쓴 글 중 특정 단어를 변수로 글 쓴이를 맞추고 어떤 단어들로 그 글쓴이를 특정하는지도 알아봅니다.

카카오톡 대화량 시계열 예측

3 분 소요

월별 대화량은 훌륭한 시계열 데이터가 됩니다. 데이터에 적합한 시계열 모델로 향후 2개월 정도의 대화량을 예측해 봅니다.

카카오톡 대화 EDA(3)

1 분 소요

연속형 변수에 따른 발언수를 확률밀도함수 그래프로 살펴보았습니다.

카카오톡 대화 EDA(2)

2 분 소요

연속형 변수에 따른 발언수를 범주별로 비교해 보겠습니다. 점과 선으로 표현해 보았습니다.

카카오톡 대화 EDA(1)

3 분 소요

다양한 변수에 따른 발언수를 비교해 보겠습니다. 막대 그래프로 표현해 봤습니다.

카카오톡 대화 전처리(2)

2 분 소요

텍스트 마니닝(text Mining)을 위해 1차로 전처리된 데이터에서 날짜와 관련된 각종 변수를 뽑아냅니다.

카카오톡 대화 전처리(1)

3 분 소요

카톡 대화방 내용 내려받아서 텍스트 마이닝(Text Mining)을 위해 행과 열로 된 데이터로 만드는 전처리 과정을 설명합니다.

맨 위로 이동 ↑

토픽 분석

맨 위로 이동 ↑

stm

맨 위로 이동 ↑

데이콘

맨 위로 이동 ↑

최적화

맨 위로 이동 ↑

회귀분석

맨 위로 이동 ↑

EDA

맨 위로 이동 ↑

lubridate

카카오톡 대화 EDA(2)

2 분 소요

연속형 변수에 따른 발언수를 범주별로 비교해 보겠습니다. 점과 선으로 표현해 보았습니다.

카카오톡 대화 EDA(1)

3 분 소요

다양한 변수에 따른 발언수를 비교해 보겠습니다. 막대 그래프로 표현해 봤습니다.

카카오톡 대화 전처리(2)

2 분 소요

텍스트 마니닝(text Mining)을 위해 1차로 전처리된 데이터에서 날짜와 관련된 각종 변수를 뽑아냅니다.

맨 위로 이동 ↑

데이터 시각화

카카오톡 대화 EDA(3)

1 분 소요

연속형 변수에 따른 발언수를 확률밀도함수 그래프로 살펴보았습니다.

카카오톡 대화 EDA(2)

2 분 소요

연속형 변수에 따른 발언수를 범주별로 비교해 보겠습니다. 점과 선으로 표현해 보았습니다.

카카오톡 대화 EDA(1)

3 분 소요

다양한 변수에 따른 발언수를 비교해 보겠습니다. 막대 그래프로 표현해 봤습니다.

맨 위로 이동 ↑

ggplot2

카카오톡 대화 EDA(3)

1 분 소요

연속형 변수에 따른 발언수를 확률밀도함수 그래프로 살펴보았습니다.

카카오톡 대화 EDA(2)

2 분 소요

연속형 변수에 따른 발언수를 범주별로 비교해 보겠습니다. 점과 선으로 표현해 보았습니다.

카카오톡 대화 EDA(1)

3 분 소요

다양한 변수에 따른 발언수를 비교해 보겠습니다. 막대 그래프로 표현해 봤습니다.

맨 위로 이동 ↑

시계열

카카오톡 글 쓴이 예측 머신러닝

3 분 소요

머신러닝으로 3명이 쓴 글 중 특정 단어를 변수로 글 쓴이를 맞추고 어떤 단어들로 그 글쓴이를 특정하는지도 알아봅니다.

카카오톡 대화량 시계열 예측

3 분 소요

월별 대화량은 훌륭한 시계열 데이터가 됩니다. 데이터에 적합한 시계열 모델로 향후 2개월 정도의 대화량을 예측해 봅니다.

맨 위로 이동 ↑

단어 분석

맨 위로 이동 ↑

tm

맨 위로 이동 ↑

RHINO

맨 위로 이동 ↑

상호작용

맨 위로 이동 ↑

이미지

맨 위로 이동 ↑

forecast

카카오톡 대화량 시계열 예측

3 분 소요

월별 대화량은 훌륭한 시계열 데이터가 됩니다. 데이터에 적합한 시계열 모델로 향후 2개월 정도의 대화량을 예측해 봅니다.

맨 위로 이동 ↑

tidymodels

카카오톡 글 쓴이 예측 머신러닝

3 분 소요

머신러닝으로 3명이 쓴 글 중 특정 단어를 변수로 글 쓴이를 맞추고 어떤 단어들로 그 글쓴이를 특정하는지도 알아봅니다.

맨 위로 이동 ↑

textrecipes

카카오톡 글 쓴이 예측 머신러닝

3 분 소요

머신러닝으로 3명이 쓴 글 중 특정 단어를 변수로 글 쓴이를 맞추고 어떤 단어들로 그 글쓴이를 특정하는지도 알아봅니다.

맨 위로 이동 ↑

단어 구름

맨 위로 이동 ↑

단어 상관관계

맨 위로 이동 ↑

단어 거리

맨 위로 이동 ↑

네트워크 분석

맨 위로 이동 ↑

PCA

맨 위로 이동 ↑