Techbrad

프로젝트를 진행하다보면 외부 라이브러리나 패키지를 사용해야하는 경우가 많다. 패키지에는 서로 버전에 맞는 의존성이 있기 때문에 프로젝트마다 다른 패키지 버전을 사용하게 된다. 프로젝트마다 독립적인 환경으로 관리하면 패키지를 지웠다 설치했다 반복할 필요없고 버전간의 충돌을 최소화 할 수 있다. 그래서 가상환경을 이용해서 프로젝트를 관리해야할 필요성이 있다. 그럼 Anaconda 설치 후 가상환경 생성과 파이썬 IDE 중 파이참에 어떻게 적용하는지 알아보자. 1. Anaconda Prompt 실행 2. 가상환경 생성 - 프롬프트에서 conda create -n 가상환경이름 python=파이썬버전 을 입력한다. - 잠시후 Y를 입력하여 생성을 계속 진행한다. 3. 생성된 가상환경 확인 - conda env l..

LSTM은 시퀀스 데이터에서 다음을 예측하는데 활용한다. Bidirectional LSTM은 이전 데이터 뿐만 아니라 다음의 데이터를 통해 이전에 뭐가 나올지 예측을 하는 모델이다. 예를 들어 나는 __ 이라는 문장이 있다면 나는 다음에 무엇이 나올지 예측하는 것은 어렵다. 하지만 나는 __ 먹었다. 와 같은 문장이 있다면 “먹었다”를 통해 목적어에 먹는 음식이 나온다는 것을 예측할 수 있다. 그래서 Bidirectional LSTM모델은 앞에서 뒤로 한방향, 뒤에서 앞으로 한방향 양방향으로 학습하여 모델의 성능을 높인다. 출력은 양 방향의 값을 concatenate 하여 word vector를 출력한다. keras 홈페이지에 있는 코드를 보면 아래와 같다. model = Sequential() mode..

인공 신경망의 입력데이터로는 1차원의 데이터가 필요. 한 장의 컬러사진은 3차원, 여러 장은 4차원이기 때문에 다차원의 데이터를 1차원의 데이터로 변환해야한다. 차원을 줄이기 때문에 공간정보가 손실이 되는데 공간정보를 유지한채 학습하는 모델이 CNN이다. 예제로 mnist 데이터의 형태를 보면 28 X 28 이미지가 60,000개가 있는 3차원 데이터로 되어 있다. (색깔이 추가되면 4차원 가능) CNN은 다차원의 데이터를 Convolution layer와 Subsampling layer의 반복하면서 이미지의 크기와 공간을 줄여가며 1차원의 데이터로 표한하게 됩니다. 위의 Convolution쪽을 케라스(Keras)로 살펴보자면 아래의 코드와 같다. 처음에 Conv2D(32, (3, 3)은 28, 28,..

Decision Tree 를 통한 붓꽃 분류 import sklearn import pandas as pd from sklearn.datasets import load_iris #데이터셋 from sklearn.tree import DecisionTreeClassifier #ML분류알고리즘 from sklearn.model_selection import train_test_split #학습, 테스트 데이터 분류 iris = load_iris() iris_data = iris.data iris_label = iris.target #dataframe으로 변환 iris_df = pd.DataFrame(data=iris_data, columns=iris.feature_names) #라벨 칼럼추가 iris_df[..