일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
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 | 29 | 30 | 31 |
- object detection
- c언어 정리
- 김성훈 교수님 PyTorch
- C언어 공부
- 딥러닝 스터디
- Pytorch Lecture
- 파이토치 강의 정리
- 파이토치 김성훈 교수님 강의 정리
- 모두의 딥러닝
- 가우시안 필터링
- c++공부
- 골빈해커
- pytorch
- 딥러닝
- tensorflow 예제
- TensorFlow
- 모두의 딥러닝 예제
- 파이토치
- c++
- 해리스 코너 검출
- 컴퓨터 비전
- pytorch zero to all
- 영상처리
- 케라스 정리
- 팀프로젝트
- matlab 영상처리
- 딥러닝 공부
- 미디언 필터링
- MFC 프로그래밍
- c언어
- Today
- Total
목록logistic regression (3)
ComputerVision Jack
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..
logistic regression 데이터를 생성해서 분류해보기. import numpy as np import matplotlib.pyplot as plt from scipy.optimize import minimize %matplotlib inline %config InlineBackend.figur_format = 'retina' #딥러닝에 필요한 라이브러리 import np.random.seed(seed=1) W = np.array([3./4.,1.0,-4./5.]) N=50 dim=2 K=2 scale=1 T=np.zeros((N,K),dtype=np.uint8) X=scale*np.random.rand(N,dim) print(X.shape) #데이터를 생성한다. 50개의 데이터를 2차원으로 생..
[05-1 Logistic_Regression] logistic_regresssion은 이진 분류기를 뜻한다. binary classificaiton x_data = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]] y_data = [[0], [0], [0], [1], [1], [1]] #x_data 한 묶음이 y_data 하나와 매칭이 된다. 전의 데이터는 회귀 예측이기 때문에 라벨이 1 0이 아닌 특정한 value로 되어 있었다. X = tf.placeholder(tf.float32, shape=[None, 2]) Y = tf.placeholder(tf.float32, shape=[None, 1]) #마찬가지로 x_data와 y_data(라벨)의 shape에 맞게..