์ผ | ์ | ํ | ์ | ๋ชฉ | ๊ธ | ํ |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 |
- SQLD
- skip connection
- feature map
- numpy
- ์ธ์ ํ๋ ฌ
- ๊ทธ๋ํ
- ์ํฐํฐ
- SQL
- ์ธ์ ๋ฆฌ์คํธ
- Two Pointer
- ๋ฐฑ์ค
- get_dummies()
- depthwise convolution
- dfs
- ์ฐ์ฐ๋ ๊ฐ์
- resnet
- Depthwise Separable Convolution
- CROSS JOIN
- mobilenet
- BFS
- pytorch
- 1x1 Convolution
- dp
- ์ ๊ทํ
- ๋ฐ์ดํฐ๋ชจ๋ธ๋ง
- Inductive Bias
- outer join
- SQLD ํ๊ธฐ
- ์๋ณ์
- bottleneck
- Today
- Total
๋ชฉ๋ก2022/02 (2)
SJ_Koding

๋ฒ ์ด์ค๋ผ์ธ์ EDA๋ฅผ ์ ๋ง์ ๋ฐฉ์์ผ๋ก ์ค๋ช ํด๋ณด์๊ณ ์ค์ผ์ผ๋ง, hard voting ์์๋ธ, soft voting ๋ฑ์ ๋ค์ํ ์๋๋ฅผ ํด๋ณด์์ต๋๋ค. ์ฒซ EDA๋ฅผ ์งํํด๋ณด์๊ณ ์์ง์ ์ฐธ๊ณ ํด์ ํ๋ ์์ค์ด๋ค์. ๋ ํ์ดํผํ๋ผ๋ฉํฐ ํ๋์ GridSearchCV๊ฐ ์ฃผ๋ก ์ฐ์ด๋๊ฑธ ์๊ณ ํ ๋ฒ ์ ์ฉํด๋ณด์์ต๋๋ค. GridSearchCV๋ ๊ฐ๋จํ ๋งํด ์ฌ์ฉ์๊ฐ ํ์ดํผ ํ๋ผ๋ฉํฐ๋ค์ ๊ฒฝ์ฐ์ ์๋ฅผ ์ง์ ํ์ฌ ์ต์ ์ ํ์ดํผ ํ๋ผ๋ฉํฐ๋ฅผ ์ฐพ์์ฃผ๋ ๋ชจ๋ธ์ ๋๋ค. ์ฆ, ๋ชจ๋ธ ํ๋ ์์ ์ฌ์ฉ๋๋ ๊ธฐ๋ฅ์ ๋๋ค. ์ด๋ฅผ ๊ณต๋ถํ๊ณ ์ฒ์์ผ๋ก ์ ์ฉ ์์ผ ๋ณด์์ต๋๋ค. ๋ฐ์ดํฐ ์ฒ๋ฆฌ๋ฅผ ์ด๋ป๊ฒ ํด์ผํ ์ง ๊ฐ์ด ์์ง ์์์ ์ด ์ ์ ์ฐจ๊ทผ์ฐจ๊ทผ ํด์ณ๋๊ฐ๊ฒ ์ต๋๋ค. ๊ฐ์ฅ ๊ธฐ๋ณธ์ ์ธ ๋ฒ์ฃผํ ๋ฐ์ดํฐ ์ฒ๋ฆฌ์ ๋ค์ค๊ณต์ ์ฑ ์ปฌ๋ผ์ ์ ๊ฑฐํ์์ต๋๋ค. ๊ฐ์ฌํฉ๋๋ค! ์ข๊ฒ ๋ด์ฃผ์ธ์ :) ๋..

https://dacon.io/competitions/official/235869/overview/description ์ง๊ฐ ์์ธก ๊ฒฝ์ง๋ํ - DACON ์ข์์๋ 1๋ถ ๋ด์ ํ ๋ฒ๋ง ํด๋ฆญ ํ ์ ์์ต๋๋ค. 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..