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 |
- student t분포
- 텐서플로2와 머신러닝으로 시작하는 자연어처리
- 가설검정
- 회귀분석
- F분포
- numpy
- 기초통계
- 다층 퍼셉트론
- 결정계수
- 밑바닥부터 시작하는 딥러닝2
- 히스토그램
- Pandas
- 최소자승법
- 기술통계학
- 감성분석
- 텍스트 분류
- 구글 BERT의 정석
- 오래간만에 글쓰네
- word2vec
- 차원축소
- 군집화
- rnn
- 은준아 화이팅
- 파이썬 pandas
- 자연어 처리
- Django
- 머신러닝
- 코사인 유사도
- 밑바닥부터 시작하는 딥러닝
- 모두의 딥러닝
- Today
- Total
목록딥러닝 (19)
데이터 한 그릇
먼저 이미지에 대한 딥러닝 기본 프레임을 mnist 데이터 셋을 이용해서 만들어 보겠다. 데이터 전처리 과정 from tensorflow.keras.datasets import mnist #이미지 데이터를 X로 이미지에 0~9까지 이름 붙인 걸 Y_class 로 지정. #그리고 학습 데이터와 테스트 데이터 나눔. (X_train, Y_class_train),(X_test, Y_class_test) = mnist.load_data #학습 데이터와 테스트 데이터 개수를 파악 print('학습 데이터 개수 : {}'.format(X_train.shape[0])) print('테스트 데이터 개수 : {}'.format(X_test.shape[0])) #이미지 데이터 보기 import matplotlib.pypl..
너무나 지겨운 보스턴 주택 가격 csv를 이용한 실습 df = pd.read_csv('C:\\Users\\user\\Desktop\\080228\\deeplearning\\dataset\\housing.csv', delim_whitespace = True, header = None ) dataset = df.values X = dataset[:,0:13] Y = dataset[:,13] X_train,X_test,y_train,y_test = train_test_split(X,Y, test_size = 0.3, random_state = 1) model = Sequential() model.add(Dense(30, input_dim = 13, activation = 'relu')) model.add(De..