gold_honeybadger

기간에 따른 현황파악을 할 수 있도록 Prophet을 다시 공부 해봤다 너무 어렵다.. 데이터 구해서 진행해보면서 실전에서 사용할 수 있도록 준비준비.. 0. 설치하기 ! pip3 install prophet ! pip3 install pystan 더보기 오류가 있어 pip 업그레이드를 해주었다. 1. 불러오기 import os import pandas as pd from prophet import Prophet 2. 컬럼명 변경 하기 df[['STATS_DTTM', 'ORDER_CNT']].rename(columns={'기간':'ds', '실측값': 'y'}) # 시간은 ds로 예측값은 y로 컬럼명을 변경해야 한다. 3. 데이터 확인(시각화) 해보기 from matplotlib import pyplot..

coding/머신러닝 2022. 8. 29. 12:41

https://teachablemachine.withgoogle.com/ Teachable Machine Train a computer to recognize your own images, sounds, & poses. A fast, easy way to create machine learning models for your sites, apps, and more – no expertise or coding required. teachablemachine.withgoogle.com 얼굴 사진으로 나에게 맞는 동물상이나, 닮은 연예인 찾기 어플을 만들때 유용하게 사용했다.

coding/머신러닝 2021. 7. 26. 09:58

SVM은 돌연변이 구분을 특이한 것들까지 잘 분류하는 문제에는 최고이다! (딥러닝이 나오기 전까지..) 이 그래프를 구분하는 선을 결정할 때 수만가지의 방식이 나올 것이다. SVM은 분류선에 가장 가까운 데이터들의 가장 큰 마진을 결정하는 분류선을 결정한다. 분류선을 Maximum Margin Classifer 라고 한다. 실생활에서 사과와 오랜지를 비교하는 예를 들자면 무엇이 사과 이고 무엇이 오랜지인지 너무나 명확하다. 일반적인 사과와 오랜지는 분류선에서 먼 곳에 데이터로 잡혀 분류가 쉽다. 하지만 이 과일들은 너무 헷깔리게 생겼다. 이렇게 일반적이지 않은 데이터들은 분류선과 가장 가까이 붙어 있거나 멀리 떨어져 있지만, 다행이 레이블화 되어 있어 이들을 기준으로 마진을 극대화하여 분류선을 잡아 내어..

coding/머신러닝 2021. 6. 7. 14:17

Import 라이브러리 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sb 1. 데이터 확인 컬럼 정보 : Preg=no. of pregnancy Plas=Plasma Pres=blood pressure skin=skin thickness test=insulin test mass=body mass pedi=diabetes pedigree function age=age class=target(diabetes of not, 1:diabetic, 0:not diabetic) 데이터에서 Null데이터는 존재하지 않았지만 (혈압이 0인 사람, 피부두께가 0인사람은 존재하지 않는다.. 상식적으로) 0인 ..

coding/머신러닝 2021. 5. 20. 12:29

Import 라이브러리 import numpy as np import pandas as pd import matplotlib.pyplot as plt 1. 학습 데이터 확인 데이터 크기의 편차가 심해 스케일링과 널데이터는 없지만 학습에 필요없는 데이터를 처리할 것이다. purchased -> 1 구매, 0 구매안함 2. 데이터 전처리 학습데이터 분리 X 는 age와 연봉으로 y 는 구매여부로 놔둠 스케일링 from sklearn.preprocessing import StandardScaler sc = StandardScaler() X = sc.fit_transform(X) traing, test 셋 분리 from sklearn.model_selection import train_test_split X_t..

coding/머신러닝 2021. 5. 19. 22:00

KNN K-Nearest Neighbor 이름에서 알수 있듯 가까운 이웃을 확인하여 분류를 하는 classification이다. 다음처럼 카테고리가 레이블링이 되어 있는데이터가 주어졌을 때 새로운 데이터가 들어갔을 때 어떤 데이터로 분류해야 할까? KNN은 내 주위에 K개의 이웃을 확인해 보고 결정한다. 1. 새로운 데이터가 발생 시, Euclidean 거리에 의해서, 가장 가까운 K 개의 이웃의 라벨을 확인한다. 2. 많은 수의 라벨로 새로운 데이터를 분류를 한다 . K의 갯수는 항상 홀수가 좋다. K의 범위에 따라 성능이 좌지우지할 수 있다.

coding/머신러닝 2021. 5. 19. 20:44

import import numpy as np import matplotlib.pyplot as plt import pandas as pd 데이터 확인 나이와 연봉으로 분석해서, 물건을 구매할지 안할지를 분류하자 데이터 전처리 나이와 연봉으로 데이터를 학습시키기위해 데이터를 분리하였다. X = df.iloc[:, 2:3+1] y = df.Purchased 1. 스케일링 데이터의 크기를 맞춰주기 위해 정규화 하였다. from sklearn.preprocessing import StandardScaler sc = StandardScaler() X=sc.fit_transform(X) 2. test, traing 셋 분리 from sklearn.model_selection import train_test_spl..

coding/머신러닝 2021. 5. 17. 12:59

2가지로 분류하기 Logistic Regression 이메일 클릭을 할 사람과 안할 사람으로 분류하여 그래프로 나타내기 나이에 따라 이메일을 클릭을 한 사람을 1, 안한 사람을 0으로 바꾸고 그래프를 그려 데이터를 나타낼 때 빨간점인 데이터를 따라 선을 그리면 요러한 모습을 가지게 되는데 sigmoid함수를 이용하여 그래프를 나타낼 수 있다. 위와 같은 식을 가진 regression 을, Logistic Regression이라 한다. 이제 우리는, 이를 가지고 두개의 클래스로 분류할 수 있다. ( 클릭을 한다, 안한다 두개로.) 확률로 나타낼 수 있게 되었다.( p는 확률값을 나타낸다.) 클릭할 확률 20대는 0.7% 30대는 23% 40대는 85% 50대는 99.4% 기준점을 두게되면 클릭을 할지 안할..

coding/머신러닝 2021. 5. 17. 12:29