Attention please

2022.10.01 - [딥러닝] - LeCun / Xavier / He 초기값 설정 - 표현력 제한, vanishing gradient문제 보완 LeCun / Xavier / He 초기값 설정 - 표현력 제한, vanishing gradient문제 보완 2022.09.30 - [딥러닝] - 옵티마이저(optimizer) - Adam 옵티마이저(optimizer) - Adam 2022.09.30 - [딥러닝] - 옵티마이저(optimizer) - RMSProp 옵티마이저(optimizer) - RMSProp 2022.09.30 - [딥러닝] - 옵티.. smcho1201.tistory.com 이전 글에서는 표현력 제한과 vanishing gradient문제를 보완하기 위해 초기값을 어떻게 설정해야 하는지..

머신러닝에 필요한 데이터들을 수집한 후 우리는 EDA(Exploratory Data Analysis)를 해줄 필요가 있습니다. 어떤 feature가 중요한지 구분하기 위해 class별로 각 feature 값들에 평균의 차이가 클수록 잘 구분한다고 생각하고 시각화를 해보겠습니다. 먼저 데이터를 불러오겠습니다. data = pd.read_table('data/7w_d1.txt', sep = '\t') data 데이터를 보니 feature와 class가 column으로 되어있는 것을 확인할 수 있습니다. 또한 feature는 10개, class는 0과 1 총 2개가 있습니다. 먼저 class별로 데이터를 나누어 주겠습니다. data0 = data.loc[data['class'] == 0] data0 = dat..

지금까지는 matplotlib의 다양한 함수들을 이용해 용도에 맞게 여러 종류의 그림들을 그려보았습니다. 하지만 matplotlib에서 제공되는 기본 컬러는 단조로운 단점이 있습니다. 그렇기에 본인이 직접 원하는 색을 설정하여 보다 다채롭게 그림을 그릴 수 있어야 합니다. rgb 본인이 원하는 컬러를 사용하기 위해 컬러 설정을 rgb로 표현할 수 있습니다. r,g,b는 각각 0~1사이의 float값으로 나타낼 수 있습니다. alpha 또한 alpha 파라미터를 이용하여 투명도를 설정할 수 있습니다. 0~1 사이의 값으로 설정할 수 있으며, default값은 1입니다. 0에 가까울수록 흐리게 표현되며, 1에 가까울수록 진하게 표현됩니다. 그러면 코드로 살펴보겠습니다. fig = plt.figure(figs..

이번에 그려볼 것은 상자그림(boxplot)입니다. 상자그림은 수치형 자료 표현을 위한 기법입니다. 먼저 상자그림을 살펴보겠습니다. fig = plt.figure(figsize = (3,5), dpi = 100) ax = fig.subplots() data = np.random.normal(size = 100) ax.boxplot(data) 상자그림을 그리기 위해 boxplot 함수를 사용합니다. 먼저 결과를 보면 이와 같은 결과가 나오게 되는데 기본적으로 상자그림은 최소값(min), 제1사분위(Q1), 제2사분위(Q2), 제3사분위(Q3), 최대값(max)으로 구성됩니다. 그리고 저 위에 동그라미로 표현된 것은 이상치이며, Q2를 표시한 주황색 선이 평균이 아닌 중앙값임을 주의하도록 합니다. 다음은 피..

히스토그램은 도수분포표를 그래프로 나타낸 것입니다. 주로 분포를 확인할 때 자주 사용되는 시각화 기법입니다. 그러면 코드부터 살펴보겠습니다. fig = plt.figure(figsize = (5,3), dpi = 100) ax = fig.subplots() data = np.random.normal(size = 1000) _=ax.hist(data, bins = 20, edgecolor = 'k') 히스토그램을 그리기 위해 사용하는 함수는 hist입니다. 이 hist함수에는 bins와 edgecolor 파라미터가 존재하는데 bins 파라미터는 생성되는 막대그래프의 개수입니다. 그래서 bin수가 20개라면 주어진 data의 최대값, 최소값 사이를 bin 수만큼 균등하게 나누어 표현합니다. 다음으로 edge..

이번에는 pie 차트를 그려보도록 하겠습니다. pie차트를 그리기 위해 필요한 함수는 "pie" 입니다. 간단하게 파이차트를 그려보도록 하겠습니다. fig = plt.figure(figsize = (5,5), dpi = 100) ax = fig.subplots() data = np.arange(1,6) _=ax.pie(data) normalize pie 함수에는 normalize라는 파라미터가 존재합니다. 디폴트값은 True이며, 만약 False로 하게 되면 파이차트에 남는 공간이 생기더라도 그대로 출력됩니다. fig = plt.figure(figsize = (5,5), dpi = 100) ax = fig.subplots() data = np.arange(1,6) * 0.05 _=ax.pie(data, ..