ComputerVision Jack

[RNN Dataset] 이번 스터디에선 Amazon 주식 dataset을 사용하여 내일의 주식 가격을 예측해보는 시간을 보냈습니다. csv 파일을 보시면 시계열로 데이터가 나열되어 있음을 확인할 수 있습니다. 우선 판다스의 데이터 전처리 과정을 통해서 데이터를 수정하겠습니다. 우선 date는 크게 영향을 줄거 같지 않아 제거한 후, Close와 Adj Close는 비슷하여 하나로 통합 후, Y라는 변수로 추가하였습니다. def MinMaxScalar(data): numerator = data - np.min(data, 0) denominator = np.max(data, 0) - np.min(data, 0) return numerator / (denominator + 1e-7) #데이터의 값을 MinM..

이번 스터디에선 개와 고양이 사진으로 분류기 모델(CNN)을 tensorflow로 만들어 보는 작업을 해보았습니다. 먼저 구글 드라이브에 사용할 자료를 업로드 하였습니다. 우선 이미지 경로로부터 데이터를 얻어오기 위해 작업합니다. def selectImg1(image_path, num): fname = 'cat.{}.jpg'.format(num) img_path = os.path.join(image_path, fname) return img_path def selectImg2(image_path, num): fname = 'dog.{}.jpg'.format(num) img_path = os.path.join(image_path, fname) return img_path def preprocess_img(..

[Simple Softmax Dataset] 위 dataset은 feature1, feature2 특징만 갖고 class를 분류하는 예제입니다. 데이터에 관련하여 class 분류의 범위를 알고싶어서 print(df.drop_duplicates(['class'])) 사용하여 class관련해 중복값을 배제하고, class의 범위를 눈으로 확인할 수 있습니다. 대략적으로 sofmax를 실행한 결과 89%의 정확도를 나타내는 것을 확인할 수 있습니다.

저번 스터디에선 dataProcess 과정을 거쳐 새롭게 바뀐 csv 파일을 추출하였는데. data = df.values 과정을 통해서 데이터 프레임을 numpy array로 바꿀 수 있어서 따로 Process과정을 제외하고 바로 처리하였습니다. [Simple Logistic Dataset] 다음 SimpleDataset은 Purchased 예측하는 데이터셋입니다. UserId와 를 drop() 메소드를 이용하여 제외하고 Gender를 0과 1 이진으로 바꿔준 후에 구현하였습니다. [Heart Disease Dataset] 다음 데이터는 TenYearCHD를 예측하는 데이터셋입니다. 데이터 중간에 N/A 값이 발생하여 fillna() 메소드를 사용하여 공백값을 처리했습니다. df = df.fillna(d..

김성훈 교수님의 모두의 딥러닝 수업을 듣고 kaggle에서 데이터를 찾아 직접 tensorflow로 구현하고 싶어 스터디를 만들고 스터디 사람들과 함께 예제를 하나씩 해보기로 했습니다. [LinearRegression Dataset] 우선 가장 기본적인 데이터 셋을 찾아서 모델링으로 구현을 해봤습니다. [Insurance Dataset] 위 데이터의 경우 bmi를 예측하는 예제이다. 따라서 ['sex', 'smoker', 'region']을 수치 데이터로 변경하는 작업이 필요하다. def change_sex(column): if column == 'female': return 0 else: return 1 apply메소드에 적용할 함수를 설정한다. df['sex'] = df['sex'].apply(cha..