딥러닝영역은 CNN과 RNN 두 가지 영역으로 나뉜다. CNN은 image를 다루고, RNN은 언어를 다룬다. image에는 사진 안에 있는 대상을 기준으로 분류하는 기술과 GAA라는 사진과 동영상 같은 것을 만들어 내는 기술, 그리고 알파고 같은 기술이 있다. 언어에는 구글 번역기, 회화, 언어는 순서를 중요시 하기때문에 주식 같은 것들이 있다. Numpy는 시계열 적이므로 CNN분야라고 할 수 있다. 머신러닝(구) : 머신러닝을 기반으로 딥러닝과 강화학습이 나왔기 때문에, 머신러닝을 먼저 공부해줘야 한다. 데이터가 있어야만 분석을 한다. 데이터에서 원하는 정보를 추출 딥러닝 : 머신러닝 분야에 신경망이라는 방법론이 있었는데, 이 분야가 커지다 보니 딥러닝으로 따로 만들어졌다. 데이터가 있어야만 분석을..
matplotlib¶ 시각화의 중요성과 matplotlib¶ 인간은 가장 시각 능력이 뛰어난 동물 중의 하나이다. 하지만 인간의 수치 계산 능력은 본능이 아니다. (언어의 발달로 인한 논리 능력의 확장임) 이런 점들이 인간이 아직까지 인공지능에 비해 시각적 판단이 뛰어난 이유이다. 시각 능력은 다른 말로 하면 패턴인식 능력이다. 빛의 분포로 생기는 시각 패턴을 인간은 너무나 쉽게 알아 볼 수 있다. 이러한 인간의 능력을 최대한 발휘하기 위해서 숫자로 되어 있는 데이터를 시각화 하여야 한다. 제공받은 데이터의 특성을 분석하기 위해서 뿐만 아니라, 결과를 설명하기 위해서 시각화는 아주 중요하다. matplotlib 는 파이썬의 시각화 도구이다. matplotlib 는 MATLAB 의 시각화 기능을 참고하여 ..
Numpy¶기타 기능들¶ a.T, np.transpose() np.dot(), np.matmul(), @ np.meshgrid() np.any(), np.all() np.unique() np.ravel(), 차원증가, np.squeeze(), np.expand_dims(), np.newaxis np.r[], np.c[] np.vectorize() In [2]: import numpy as np import matplotlib.pyplot as plt In [3]: a = np.array([[1,2],[3,4]]) In [4]: a.T Out[4]: array([[1, 3], [2, 4]]) In [5]: a = [1,2,1,2,3,1,2,3,4] np.unique(a) Out[5]: array([1, 2..
2019.02,18 구간나누기¶ np.arange() # a부터 b까지 c단위로 나눈다. np.linspace() # 구간을 나눈다. ex 히스토그램 np.bincount() # 구간을 나눠서 개수를 셈 ex) 140~150은 1명 150~160은 3명 160~170은 5명 170~180은 7명 180~190은 4명 np.digitize() # 구간을 나눠서 mapping 시킴 ex) 143, 142는 0, 152, 155, 156은 1, .... np.histogram() => plt.hist() In [12]: import numpy as np import matplotlib.pyplot as plt In [15]: np.arange(-1,1,0.1) # 1 대신 1과 1.1 사이의 어떤 값을 집어넣..
연습문제¶ 기후 데이터를 불러와서 날자 부분을 [연도, 달, 일]로 분리하라. In [2]: s = '지점,일시,평균기온(°C),최저기온(°C),최저기온 시각(hhmi),최고기온(°C),최고기온 시각(hhmi),강수 계속시간(hr),10분 최다 강수량(mm),10분 최다강수량 시각(hhmi),1시간 최다강수량(mm),1시간 최다 강수량 시각(hhmi),일강수량(mm),최대 순간 풍속(m/s),최대 순간 풍속 풍향(16방위),최대 순간풍속 시각(hhmi),최대 풍속(m/s),최대 풍속 풍향(16방위),최대 풍속 시각(hhmi),평균 풍속(m/s),풍정합(100m),평균 이슬점온도(°C),최소 상대습도(%),최소 상대습도 시각(hhmi),평균 상대습도(%),평균 증기압(hPa),평균 현지기압(hPa)..
연습문제¶ iris 데이터를 속성별로 정규화 하시오(평균이 0, 표준편차1) In [1]: import numpy as np import matplotlib.pyplot as plt In [2]: f = open('iris.csv') line = f.readline() features = line.strip().split(',')[:4] labels = ['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'] data = [] for line in f: l = line.strip().split(',') l[:4] = [float(i) for i in l[:4]] l[4] = labe..
Numpy 항목별 적용하는 함수(ufunc)¶https://docs.scipy.org/doc/numpy-1.15.1/reference/ufuncs.html 설명x, 밑에보면 다양한 함수들이 나와있다. 136p In [7]: import numpy as np np.floor(1.1), np.ceil(1.1), np.floor(1.0), np.ceil(1.0) Out[7]: (1.0, 2.0, 1.0, 1.0) In [1]: import numpy as np import matplotlib.pyplot as plt In [2]: a = np.arange(9).reshape(3,3) a Out[2]: array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) In [37]: np.square(a..
2019.02.13-2 사칙연산¶ In [1]: import numpy as np import matplotlib.pyplot as plt In [2]: a = np.arange(12).reshape(4,3) a Out[2]: array([[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 9, 10, 11]]) In [3]: a+1 Out[3]: array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) In [4]: a-1 Out[4]: array([[-1, 0, 1], [ 2, 3, 4], [ 5, 6, 7], [ 8, 9, 10]]) In [6]: a**2 Out[6]: array([[ 0, 1, 4], [ 9, 16, 25], [ 36..