Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- 구글 BERT의 정석
- 자연어 처리
- 차원축소
- word2vec
- rnn
- 감성분석
- 밑바닥부터 시작하는 딥러닝
- 결정계수
- F분포
- 오래간만에 글쓰네
- 회귀분석
- student t분포
- Pandas
- 텍스트 분류
- 다층 퍼셉트론
- 머신러닝
- 파이썬 pandas
- 군집화
- numpy
- 히스토그램
- 기술통계학
- Django
- 가설검정
- 기초통계
- 최소자승법
- 은준아 화이팅
- 모두의 딥러닝
- 텐서플로2와 머신러닝으로 시작하는 자연어처리
- 밑바닥부터 시작하는 딥러닝2
- 코사인 유사도
Archives
- Today
- Total
목록딥러닝 과적합 피하기 (1)
데이터 한 그릇
딥러닝 과적합 피하기
EDA import pandas as pd df = pd.read_csv('C:\\Users\\user\\Desktop\\080228\\deeplearning\\dataset\\sonar.csv', header = None, ) print(df.info()) df[60].unique() 모델 생성 및 학습 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense from sklearn.preprocessing import LabelEncoder import pandas as pd import numpy as np import tensorflow as tf df = pd.read_csv('C:\\Users..
딥러닝/모두의 딥러닝
2022. 1. 5. 14:42