나를 찾아가는 길

DataFrame 랜덤 추출 방법 df.sample(frac=0.1, replace=False, random_state=2022) df.sample(n=5, replace=False, random_state=2022) frac 전체 행에서 몇 % 추출? [0,1] 값 입력가능 n 몇 개의 행 추출? ** frac 과 n 동시 사용 불가 replace =False default 는 중복 비허용 random_state 설정 시 결과 고정

import torch if torch.cuda.is_available(): device = torch.device("cuda") print(f'There are {torch.cuda.device_count()} GPU(s) available.') print('Device name:', torch.cuda.get_device_name(0)) else: print('No GPU available, using the CPU instead.') device = torch.device("cpu")

올해 1월부터 코드프레소 체험단에 선정되어 인공지능 트랙 강의를 수강하기 시작했다. 이번 코드프레소 강의에서는 머신러닝의 하이퍼파라미터 최적화 방법인 GridSearchCV & 더 나은 검증을 위해 활용할 수 있는 KFold 교차검증에 대해 배우고 실습을 해보았다. 7. 머신러닝을 위한 사이킷런 활용 팁 https://www.codepresso.kr/course/68 머신러닝을 위한 사이킷런 활용 팁 강의에서는 K-Fold 교차 검증 내용과 GridSearchCV에 대한 내용을 배웠다. 이해하기 쉽고 실습 부분도 하나 하나 잘 따라갈 수 있었다. 굿굿! K-Fold 교차 검증은 기존의 cross validation에서 말 그대로 K겹을 추가한 것이라고 볼 수 있다. 가장 보편적으로 사용되는 교차검증 방법..

올해 1월부터 코드프레소 체험단에 선정되어 인공지능 트랙 강의를 수강하기 시작했다. 이번 코드프레소 강의에서는 지도학습인 트리모델과 비지도학습인 PCA, LDA에 대해 배우고 실습을 해보았다. 5. 파이썬으로 구현하는 머신러닝: 트리모델 https://www.codepresso.kr/course/66 Decision Tree Ensemble(voting, bagging, boosting) Random Forest(bagging + random subspace) Decision Tree (Classifier & Regressor 둘 다 가능)은 분류문제 학습 시 성능이 좋게 나오고 해석이 가능한 모델이다. 이의 불순도 측정 지표는 gini 계수, entropy, misclassified error 가 있다..

Nomalizaion 정규화 sklearn -> nomalizer 정규화의 목적은 데이터셋의 numerical value의 범위 차이를 왜곡하지 않고 공통 척도로 변경해주는 것. mean값을 제거하지 않으면서 편차에 따라 척도 조정 (독립적 스케일링 진행.) feature 각각의 수치적 범위 차이가 클 때, 더 큰 값에 더 높은 가중치가 부여될 가능성이 있다. Since both the features have different scales, there is a chance that higher weightage is given to features with higher magnitude. This will impact the performance of the machine learning algorit..

preds = [1 if x > 0.5 else 0 for x in predicts] # pred_확률 threshold 지정해서 0,1 분류해주기!!

올해 1월부터 코드프레소 체험단에 선정되어 인공지능 트랙 강의를 수강하기 시작했다. 후기 1탄은 아래 참고 ↓↓↓↓ https://ari950505.tistory.com/32 [코드프레소 체험단] AI인공지능 트랙 후기 (1) 올해 1월부터 코드프레소 체험단에 선정되어 인공지능 트랙 강의를 수강하기 시작했다. 한 달동안 강의를 들어본 결과 개인적으로 매우 만족하며 듣고 있다. 현재 Machine Learning 공부를 따로 하고 ari950505.tistory.com 지도 학습 중 중요하다고 생각하는 회귀와 분류분석 강의를 수강했다. 개인적으로 굉장히 도움이 많이 되었다. 통계적인 지식도 많이 다질 수 있었고 덕분에 Confusion matrix TP,FN 등의 정의는 확실하게 알게되었다. 그 전에는 이..

올해 1월부터 코드프레소 체험단에 선정되어 인공지능 트랙 강의를 수강하기 시작했다. 한 달동안 강의를 들어본 결과 개인적으로 매우 만족하며 듣고 있다. 현재 Machine Learning 공부를 따로 하고 있는데 예습 겸 복습으로 듣기 좋고, 강의내용이 심플하고 실습도 해줘서 기초적인 머신러닝 모델 지식을 쉽게 얻을 수 있다. 코딩/인공지능/통계를 처음 접하는 분들에게는 바로 따라가기 좀 어려울 수도 있다는 생각이 들긴 한다. 인공지능 트랙을 듣기 위해 관련 background knowledge를 어느정도 갖추고 있어야 따라가기 쉬울 수 있을 것 같다. 나는 완전 쌩문과 비전공자(신방과)이기 때문에 혼자 통계나 코딩 부분 지식을 보충하면서 열심히 따라가는 중이다. 1. 파이썬으로 시작하는 머신러닝 htt..

np.random.seed() : seed 를 통한 난수 생성 np.random.randint(): 균일 분포의 정수 난수 1개 생성 np.random.rand(): 0부터 1사이의 균일한 확률 분포로 실수 난수 matrix array 생성 np.random.randn() : 기댓값이 0, 표준편차가 1인 가우시안 표준 정규 분포를 따르는 난수 matrix array 생성 normal() np.random.shuffle() : 기존의 데이터 순서 바꾸기 np.random.choice() : 기존의 데이터에서 sampling 표본추출 np.bincount() : 발생하지 않은 사건에 대해서도 카운트 np.random.randint(0,3) # 0-3 사이 난수 1개 np.random.rand(x,y) # ..

import warnings warnings.filterwarnings(action='ignore')