SJ_Koding

OpenCV 명령어 정리 1. cv2.namedWindow(winname[, flags]) à None 설명: 윈도우 이름을 설정한 후, 해당 이름으로 윈도우 생성 winname(str): 윈도우 이름 flags(int): 윈도우의 크기조정 cv2.WINDOW_NORMAL | 값 0 | 윈도우 크기 재조정 가능 cv2.WINDOW_AUTOSIZE | 값 1 | 표시될 행렬의 크기에 맞춰 자동 조정 2. cv2.imshow(winname, mat) à None 설명: winname 이름의 윈도우에 mat행렬을 영상으로 표시함. 생성된 윈도우가 없으면, winname 이름으로 윈도우를 생성하고 영상을 표시한다. mat(numpy.ndarray) 윈도우에 표시되는 영상 (행렬이 화소값을 밝기로 표시) 3. c..

Confused matrix (혼동행렬) Retrieved? (양성으로 예측했니?) Relevant? (실제 양성이니?) YES NO YES TP FN NO FP TN T의 의미: 예측이 성공한 것 TP: 참으로 예측한 것이 실제로 참 (적중) TN: 거짓으로 예측한 것이 실제로 거짓 (적중) F의 의미: 예측을 실패한 것 FP: 참으로 예측한 것이 실제로 거짓 (오답) FN: 거짓으로 예측한 것이 실제로 참 (오답) 정밀도와 재현율을 공부할 때, 식을 외우는게 아니라 단어의 의미를 파악하는것이 중요. 이해를 위해 코로나바이러스로 예를 들겠습니다. Precision(정밀도)와 Recall(재현율) Precision (정밀도) : 양성으로 예측한 것중 실제로 양성인 비율 ex) 확진자로 분류된 사람이 실제..

베이스라인의 EDA를 저만의 방식으로 설명해보았고 스케일링, hard voting 앙상블, soft voting 등의 다양한 시도를 해보았습니다. 첫 EDA를 진행해보았고 아직은 참고해서 하는 수준이네요. 또 하이퍼파라메터 튜닝에 GridSearchCV가 주로 쓰이는걸 알고 한 번 적용해보았습니다. GridSearchCV는 간단히 말해 사용자가 하이퍼 파라메터들의 경우의 수를 지정하여 최적의 하이퍼 파라메터를 찾아주는 모델입니다. 즉, 모델 튜닝 시에 사용되는 기능입니다. 이를 공부하고 처음으로 적용 시켜 보았습니다. 데이터 처리를 어떻게 해야할지 감이 아직 안와서 이 점은 차근차근 해쳐나가겠습니다. 가장 기본적인 범주형 데이터 처리와 다중공선성 컬럼을 제거하였습니다. 감사합니다! 좋게 봐주세요 :) 도..

https://dacon.io/competitions/official/235869/overview/description 집값 예측 경진대회 - DACON 좋아요는 1분 내에 한 번만 클릭 할 수 있습니다. dacon.io In [53]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings('ignore') In [54]: train = pd.read_csv('D:/Dacon/house_value_predict/train.csv') test = pd.read_csv('D:/Dacon/house_value_predict/te..

https://dacon.io/competitions/official/235864/overview/description 영화 리뷰 감성분석 경진대회 - DACON 좋아요는 1분 내에 한 번만 클릭 할 수 있습니다. dacon.io #아래의 코드는 '박이삭'회원님의 코드공유를 참고하여 만들었습니다. 전반적인 코드흐름은 동일하며 보다 정확한 결과값을 위해 성능이 좋은 3개의 분류모델을 찾고, 3개의 결과를 토대로 최종 결과를 도출해내었습니다. 기본 모듈 및 측정 모델 셋팅 import pandas as pd import numpy as np from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.neighbors import KNei..

Numpy 라이브러리를 사용하면 배열 데이터를 파일로 저장하거나 파일에서 불러올 수 있습니다. 이를 위해 np.save()와 np.savez() 함수를 사용할 수 있습니다. 1. 단일 Numpy배열 저장하기 np.save('경로/파일명.npy', numpy데이터) - save 함수는 배열을 1개만 저장할 수 있습니다. - save 시 확장자는 .npy 를 사용합니다. array = [1, 3, 5, 7, 9, 2, 4, 6, 8, 0] np.save('array.npy', array) new_array = np.load('array.npy') new_array 2. 복수 Numpy 저장하기 np.savez('경로/파일명.npz', numpy데이터 = 이름 , ---) - savez 함수는 여러 개의 배열..

csv파일로 이루어진 fasion mnist 셋을 Pytorch를 이용하여 분류하는 방법을 알아보겠습니다. https://dacon.io/competitions/open/235594/overview/description [이미지] Fashion MNIST : 의류 클래스 예측 - DACON 좋아요는 1분 내에 한 번만 클릭 할 수 있습니다. dacon.io 데이터 셋은 이 dacon 대회 사이트를 통해 다운로드 가능합니다. 먼저 필요한 모듈을 import합니다. import pandas as pd import numpy as np from torch.utils.data import Dataset, DataLoader from torch import nn from torchvision import tran..

Matplotlib을 사용하다보면 그래프를 세로로 나열하지 않고 아래의 그림과 같이 n by m 형태로 출력하고 싶은 경우가 대부분입니다. 이번 게시글은 Matplotlib의 subplot에 대해 알아봅니다. subplot은 plt.subplot(n, m, idx) 형태로 존재합니다. 여기서 n은 행의 개수, m은 열의 개수를 의미하며 subplot(4, 4, idx)는 4 x 4 의 형태로 그래프들을 나누어 출력하겠다! 라는 뜻이됩니다. 여기서 idx는 4x4의 바둑판이 있을때 몇 번째에 그래프를 출력할건지의 값입니다. idx가 6이라면 2행의 2번째에 올것입니다. * 주의사항: subplot의 idx는 0이 아닌 1부터 시작입니다. 즉 1행의 1번째는 0이아닌 1입니다!. 코드로 설명합니다. impo..