개발하는 고양이 호랑이

* pandas dataframe 생략 안되게 pd.set_option('display.max_colwidth', -1) * 다른 옵션들 pd.set_option('display.max_rows', 500) pd.set_option('display.max_columns', 500) pd.set_option('display.width', 1000)

(수업 노트북) 합성곱 실습 텐서플로 이용한 CNN 텐서플로_1_x를_이용한_CNN_MNIST 텐서플로_2_x를_이용한_CNN_MNIST

(수업 노트북) 심층 신경망을 이용한 XOR 연산 (텐서플로 1.x) Backpropagation 심층 신경망을 이용한 XOR 연산 (텐서플로 2.x) 심층 신경망을 이용한 유방암 분류 다중분류를 이용한 포유류 조류 분류

(수업 노트북) 파이썬 텐서플로1.x 텐서플로2.x 유방암 분류

(수업 노트북) 1. 파이썬을 이용한 선형 회귀 분석 2. 텐서플로 1.x를 이용한 선형 회귀 3. 텐서플로 2.x를 이용한 선형 회귀

이렇게 써도 되는지는 몰랐다 보기 깔끔한 듯! df['col_3'] = df[['col_1','col_2']].apply(lambda x: f(*x), axis=1) 이렇게 쓸줄만 알았었음 df['col_3'] = df.apply(lambda x: f(x['col 1'], x['col 2']), axis=1) * Reference https://stackoverflow.com/questions/13331698/how-to-apply-a-function-to-two-columns-of-pandas-dataframe How to apply a function to two columns of Pandas dataframe Suppose I have a df which has columns of 'ID', 'c..

* 데이터 https://www.kaggle.com/c/bike-sharing-demand Bike Sharing Demand | Kaggle www.kaggle.com * 실습 코드 1. 데이터 탐색 2. 상관분석, 모델 구축 및 테스트 데이터 예측(Random Forest, XGBoost) 3. 모델 성능 향상 시도(전처리방법 및 이용 칼럼 바꿔보기)

이종희 선생님께 추천받았다. 엄선 감사합니다. 1. ResNet(2015) - https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/He_Deep_Residual_Learning_CVPR_2016_paper.pdf 2. Batch Normalization(2015) - https://arxiv.org/abs/1502.03167 3. BiLSTM(2015) - https://arxiv.org/abs/1508.01991 4. Word2Vec(2013) - https://arxiv.org/abs/1301.3781 5. FastText(2016) - https://arxiv.org/abs/1607.04606 6. Seq2Seq(2014) - htt..

* 실습코드 내용이 많아서 다시 정리할 것. * 참고자료 - 자유도 n-1 에 대한 이야기 https://m.blog.naver.com/sw4r/221021838997 왜 표본(샘플)의 분산에서는 n이 아닌 n-1로 나눌까? 아마도 통계에 아주 조금이라도 공부해본 사람이라면 이런 질문을 한번쯤은 해봤을 것으로 생각된다. 그런... blog.naver.com - 이 블로그 좋은 거 같다!

분류 결과 confusion matrix ROC curve (Receiver Operating Characteristic curve) : FPR과 TPR을 각각 x,y축으로 놓은 그래프. ROC curve는 X,Y가 둘다 [0,1]의 범위이고, (0,0) 에서 (1,1)을 잇는 곡선이다. - ROC 커브는 그 면적이 1에 가까울수록 (즉 왼쪽위 꼭지점에 다가갈수록) 좋은 성능이다. 그리고 이 면적은 항상 0.5~1의 범위를 갖는다.(0.5이면 랜덤에 가까운 성능, 1이면 최고의 성능) - TPR : True Positive Rate (=민감도, true accept rate) 1인 케이스에 대해 1로 잘 예측한 비율.(암환자를 진찰해서 암이라고 진단 함) - FPR : False Positive Rate..