Neaty Tech28 Tensorflow의 기초 - CNN 1. 이미지 학습하기(기본) 1) 데이터 불러오기 import tensorflow as tf mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() x_train.shape, y_train.shape, x_test.shape, y_test.shape 2) 이미지 데이터 형식 이해하기 import numpy as np np.set_printoptions(linewidth=120) print(x_train[0]) 5가 보이는가? 실제 사진으로 한번 보겠다. plt.imshow(x_train[0]) 즉, 이미지는 결국 숫자의 행렬일뿐이다라는 사실이 중요하다. 행렬은 결국 숫자형 데이터이고, 숫자형 데이터는 .. 2023. 11. 30. Sklearn의 기초 - 자연어 처리(CountVectorizer, TfidfVectorizer) 과연 인간은 기계에게 언어를 학습시킬 수 있을까요? 그렇다면 첫 번째로 인간이 언어를 이해하기 위해서 무엇을 배웠는가? 바로 "단어"이다. 그렇기에 의미를 가지는 최소한의 단위인 "형태소"를 컴퓨터에 먼저 학습시키는 것이다. CountVectorizer, TfidVectorizer는 이 형태소를 어떠한 방법으로 학습시키는 지로 나뉜다. 먼저 형태소를 만드는 법 알아보면, 대표적인 것 중 하나로 Konlpy툴을 이용하면 된다. ! pip install konlpy 설치를 한 뒤, text = "안녕하세요! I'm happy예요" import konlpy from konlpy.tag import Okt tokenizer = Okt() tokenizer.morphs(text) 이런 형태소를 어떻게 학습하느냐에.. 2023. 11. 29. Sklearn의 기초 - 군집화(비계층적, 계층적) 지도 학습 vs 비지도 학습 지도 학습은 모델에게 target data(y값)이 주어지나, 비지도 학습은 주어지지 않음 ★ 샘플 데이터 from sklearn.datasets import load_wine import pandas as pd dataset = load_wine() data = pd.DataFrame(dataset.data, columns=dataset.feature_names) df = data.copy() ★ ★ 데이터 전처리 # 표준화 스케일링 from sklearn.preprocessing import StandardScaler scaler = StandardScaler() data = scaler.fit_transform(data) df = data.copy() # PCA 2차원 .. 2023. 11. 27. Scikit-learn의 기초 - 회귀(선형, 라쏘, 릿지, 랜덤포레스트, XGBoost) 1. 회귀 분석이란 무엇인가? 통계학에서 회귀 분석(回歸分析, 영어: regression analysis)은 관찰된 연속형 변수들에 대해 두 변수 사이의 모형을 구한 뒤 적합도를 측정해 내는 분석 방법 ★ 데이터 불러오기 import pandas as pd from sklearn.model_selection import train_test_split from sklearn.datasets import load_diabetes # 당뇨병 환자 데이터 def make_dataset(): dataset = load_diabetes() df = pd.DataFrame(dataset.data, columns=dataset.feature_names) df['target'] = dataset.target X_trai.. 2023. 11. 25. 이전 1 2 3 4 5 ··· 7 다음
