본문 바로가기

Artificial Intelligence/📖8

[정리] Numpy ② : squeeze b = np.array(range(1, 13, 2)).reshape(2, 3, 1) # 예상 2행 3열 이번에는 다차원 배열로 실습을 진행해봤는데 배열 생성 결과 이해하는 데에 한참 걸렸다. reshape 인자 순서대로 (행, 열, 차원) 인줄 알았는데? 그것이? 아니었습니다! numpy array는 다른 언어에서의 배열처럼 요소 간 콤마가 안 찍히기 때문에 결과 보자마자 바로 와닿지가 않았다. 일단 reshape는 (차원, 행, 열) 크기의 다차원 배열을 만든다. → reshape(2, 3, 1)은 3행 1열의 배열을 2개 쌓았다는 뜻 squeeze # axis default: None, 원하는 축 지정 가능 b_squeeze = b.squeeze() 배열에서 길이가 1인 축을 제거한다. (2, 3, .. 2022. 4. 20.

[정리] Numpy ① : shape, ndim, axis a = np.array([0, 1, 2, 3, 4, 5]) 실습을 위한 임의의 배열을 생성하고 이 배열로 이것저것 해보려고 한다. shape/ndim/size print("shape: ", a.shape) # 예상 (6, 1) print("ndim: ", a.ndim) # 예상 2 print("size: ", a.size) # 예상 6 ◻ shape : (행, 열)을 뒤집은 형태로 나타냄 → (6, 1) = (1행, 6열) ◻ ndim : 배열 차원 ◻ size : 배열의 원소 개수 열이 하나일 경우는 shape에서 1이 찍히지 않는다는 것이 특징! 아직도 차원 개념이 너무 어렵다 ㅠㅠ 텐서 차원이랑 같게 생각해서 스칼라가 1차원, 배열이니까 2차원이라고 생각했는데 1차원이었음. 그냥 파이썬 상의 배열 .. 2022. 4. 19.

[정리] train_test_split을 이용한 데이터셋 분할 Bagging 실습하다가 데이터셋 분할 순서 때문에 에러 메시지를 만난 적이 있는데(무려 두 달 전) 이제서야 정리한다. from sklearn.model_selection import train_test_split from sklearn.datasets import load_breast_cancer import numpy as np 데이터는 두 달 전에 썼던 거 그대로 불러왔고 필요한 모듈만 import해줬다. 위스콘신 유방암 진단 데이터셋에는 총 569개의 데이터가 있는 것을 확인했다. X_train, X_test, y_train, y_test = train_test_split(dataset.data, dataset.target) train_test_split을 써서 데이터셋을 나누는데, 순서의 중요.. 2022. 3. 17.

[개념] 희소 표현 / 밀집 표현 희소 표현 | sparse representation - 문장을 벡터로 나타낼 때 대부분의 값이 0인 희소행렬 개념 이용 → 표현하고자 하는 단어의 인덱스는 1, 나머지 인덱스는 0으로 설정 - 단어의 수가 늘어나면 차원도 함께 커지는 문제점이 있다. 예) 왼쪽은 표현하고 싶은 단어가 3개이기 때문에 3차원이지만, 오른쪽은 100개가 넘기 때문에 100차원을 넘게 되어 긴 문장을 벡터로 나타내야 할 때는 희소 표현이 비효율적이다. ⭐ 원소 개수가 차원인가? 에 대한 의문은 이 곳을 참고하면 도움이 될 듯 하다. (사실 내가 차원 개념을 완전히 정립하지 못함) 밀집 표현 | dense representation - 단어의 개수와 상관없이 사용자가 차원 값을 설정하기 때문에 차원 축소의 장점이 있다. - 특.. 2022. 3. 10.

[정리] Encoding 관련 API 1. LabelEncoder() : target values를 0~(클래스 개수-1) 사이 정수로 인코딩 ◾ 변환 시 알파벳/한글 순서를 반영한다. → a, ㄱ: 0 ◾ input이 아닌 target values만 적용되어야 한다. 자세히 from sklearn.preprocessing import LabelEncoder, OneHotEncoder, MinMaxScaler, StandardScaler le = LableEncoder() label = np.array(['dog', 'cat', 'tiger', 'rabbit', 'pig']) le.fit_transform(label) 2. OneHotEncoder() : 범주형 feature를 one-hot numeric array로 변환 ◾ sparse=.. 2022. 1. 28.

[개념] object detection 관련 용어 정리 (1) Classification / Localization / Object Detection Classification - 입력으로 들어온 하나의 이미지에 대해 해당하는 label 출력 - single object를 다룸 Localization - 입력으로 들어온 하나의 이미지에서 한 object의 위치(좌표) 출력 - single object를 다룸 - object가 있는 곳에 bounding box를 그리는 방식 Object Detection - 입력으로 들어온 하나의 이미지에서 여러 object를 분류하고 각 object들의 위치 예측 - multi object를 다룸 - object detection의 문제 해결 방법으로 sliding window가 많이 사용되었음 IoU IoU(Intersection.. 2021. 11. 16.

이전 1 2 다음

티스토리툴바