본문 바로가기

분류 전체보기170

[딥러닝] 텐서플로우 분류 ANN: loss= 'binary_crossentropy', activation= 'sigmoid', epoch, batch_size 고객 정보와 해당 고객이 금융상품을 갱신했는지 안했는지의 여부에 대한 데이터가 있다. 이 데이터를 사용하여 갱신여부를 예측하는 딥러닝을 만들자. 먼저 머신러닝에서 했던것처럼 데이터의 전처리를 해줘야 한다. 데이터를 확인하자. in: df.head(3) out: # CreditScore 부터 EstimatedSalary까지 X로 설정하고, Exited를 y로 설정하면 될것이다. Nan을 확인하자. in: df.isna().sum() out: RowNumber 0 CustomerId 0 Surname 0 CreditScore 0 Geography 0 Gender 0 Age 0 Tenure 0 Balance 0 NumOfProducts 0 HasCrCard 0 IsActiveMember 0 EstimatedS.. 2022. 6. 10.
[딥러닝] 텐서플로우 기초 아래의 식을 찾아내는 딥러닝을 만들어 보자. y = 2 𝒳 - 1 딥러닝을 하기위해 tensorflow와 텐서플로우의 keras를 임포트한다. import tensorflow as tf from tensorflow import keras 1개의 레이어, 그리고 1개의 뉴런을 가지고 있는 뉴럴 네트워크를 모델링 하자 먼저 Sequential 클래스를 사용하여 시퀀셜을 만들고 그 안에 layers.Dense를 사용하여 계층을 만든다. model = tf.keras.Sequential([tf.keras.layers.Dense(units=1,input_shape = (1,))]) # 시퀀셜은 딥러닝 전체의 틀이라고 볼수있다. # 대문자가 있고 괄호가 있으면 클래스라고 한다. # Dense는 계층이다. # uni.. 2022. 6. 10.
[딥러닝] Artificial Neuron에서의 정의와 이해 딥러닝은 우리 뇌의 신경세포가 신호를 전달하는것처럼 작동한다. 딥러닝의 뉴런은 두개의 수학 방정식으로 작동하게 만든다. 먼저 들어오는 데이터를 가중치(weight)를 주고 연결하는 방정식과 처리하는 방정식(엑티베이션 함수)으로 구성되어있다. 데이터가 오면 가중치를 곱한다. 가중치는 랜덤으로 세팅한다. 데이터가 많으면 가중치와 데이터를 곱한값을 모두 더한다. (데이터₁*가중치₁ + 데이터₂*가중치₂...) 그렇게 나온 값을 x로 정하고 옆의 엑티베이션 함수에 적용한다. 그럼 결과값인 y값이 나오게된다. 엑티베이션 함수는 여러가지가 있다. ANN(Artificial neural networks) Layers 뉴런으로 이루어진 여러개의 계층(레이어)을 놓고 데이터를 처리할수 있도록 한다. # 인풋 레이어 속 .. 2022. 6. 9.
[Streamlit] 프로젝트: 생활패턴으로 알아보는 비만정도 예측 앱 미리보기:  앱 주소: http://www.esyoo.site:8501/ 앱 설명:https://github.com/eyoo95/Streamlit_obesity 특이사항: 파이차트를 사용하기 위해 년도별로 데이터프레임을 분리하는 함수 작성 def year_separater(df,year,value,label): v18 = df.loc[df[year]== 2018 ,][value].to_list() l18 = df.loc[df[year]== 2018 ,][label].to_list() v19 = df.loc[df[year]== 2019 ,][value].to_list() l19 = df.loc[df[year]== 2019 ,][label].to_list() v20 = df.loc.. 2022. 6. 9.
[Streamlit] 프로젝트: 기상정보를 통한 교통사고율 예측 앱 미리보기:  앱 주소: http://www.esyoo.site:8502/ 앱 설명: https://github.com/eyoo95/Weather_And_Car_Accident 특이사항: EDA 작업중에 streamlit의 group_by 오류발생 selected_list_for_chart = st.selectbox('차트를 생성하기 원하면 컬럼을 선택하세요',col_list)if len(selected_list_for_chart) != 0: if st.button('차트확인'): st.text('{}년도 {}지역의 {} 변화량을 나타낸 차트입니다.'.format(get_year,get_region,selected_list_for_chart)) fig = plt.figu.. 2022. 5. 27.
[Streamlit] 메뉴 꾸미기 사이드바에 셀렉트박스를 넣어 만든 메뉴다. 이 메뉴를 조금 더 보기좋게 꾸며보자. 스트림릿에서 제공하는 option_menu 라이브러리를 통해 메뉴의 색상과 아이콘을 설정할수있다. in: from streamlit_option_menu import option_menu def main(): with st.sidebar: menu = option_menu('Menu',['Home','EDA','ML'], icons = ['house-door-fill','bar-chart-line-fill','gear-wide-connected'],menu_icon="caret-down-fill", default_index=0, styles={ "container": {"padding": "5!important", "bac.. 2022. 5. 27.
[Linux] 파일을 서버로 직접 보내는 방법 FTP (File Transfer Protocol), Filezilla 서버쪽에 관련 프로그램을 설치하기 위해 푸티를 통해 서버에 접속한다. vsftpd를 설치한다. sudo yum install vsftpd 입력 로컬에서 파일질라를 다운로드한다. 다운로드 링크: https://filezilla-project.org/download.php?type=client#close Download FileZilla Client for Windows (64bit x86) Download FileZilla Client for Windows (64bit x86) The latest stable version of FileZilla Client is 3.60.1 Please select the file appropriate for your platform below. Please select.. 2022. 5. 27.
[Linux] 하나의 서버로 여러 개의 프로젝트 실행 하나의 프로젝트를 추가하기 위해 깃허브 사이트에서 새로운 레파지토리를 생성한다. 학습이 다 끝난 인공지능을 웹 대시보드에 배포하기 위해서는 인공지능 파일과 벡터라이저 파일 2개가 필요하다. home, eda, ml로 구성된 스트림릿을 만들었다. 이것을 로컬과 깃허브에 연결시키기 위해 커밋 후 푸시하고 푸티에서 클론하여 AWS와 깃허브에서의 프로젝트를 연결시킨다. 만약 첫번째 프로젝트가 실행중이라면 두번쨰는 8501다음의 8502포트를 배정받는다. 새로운 포트(8502)의 방화벽을 따로 열어주기 위해 인바운드 규칙 편집하여 열어줘야 한다. 프로젝트별로 포트번호를 따로 지정해주고 불러오자 nohup streamlit run app.py --server.port 8502 & 포트 번호를 정해주고 AWS에서 방.. 2022. 5. 24.

티스토리툴바