- IRIS 머신러닝 최고의 모델 찾기 - 1. seaborn 라이브러리를 활용하여 IRIS dataset 을 로드 2. 데이터 전처리 진행 3. sklearn 에서 제공하는 여러 모델을 활용하여 학습 4. 예측 후 정확도 측정 # IRIS IRIS 붓꽃은 4가지 특성을 가지고, 3가지 종류의 꽃을 구별하는 분류 예제이다. # seaborn seaborn은 matplotlib을 기반으로 다양한 색상 테마와 통계용 차트 등의 기능을 추가한 시각화 패키지이다. # sklearn Scikit-learn은 Python 프로그래밍 언어를위한 무료 소프트웨어 기계 학습 라이브러리이다. # 통계 / 차트를 나타내기 위한 라이브러리 import seaborn as sns import matplotlib.pyplot a..

- Convolution Neural Network를 활용한 CIFAR-10 머신러닝 - 1. tensorflow 의 CIFAR-10 dataset 로드 2. cnn으로 모델 make 3. train dataset 활용해 학습 4. test dataset 활용해 테스트 및 정확도 도출 # CIFAR-10 CIFAR-10 32x32픽셀의 60,000개 컬러 이미지가 포함되어있으며, 각 이미지는 10개의 클래스로 라벨링이 되어있는 dataset이다. 60,000개 중, 50,000개 이미지는 트레이닝, 10,000개 이미지는 테스트 용도로 사용 # Conv2D 합성곱 레이어, 즉 컨벌루션 레이어는 합성곱을 통해, 3차원의 이미지를 그대로 입력층에 받고, 출력 또한 3차원 데이터로 출력하여 다음 Layer로 ..

- RandomForestClassifier를 활용한 mnist 머신 러닝 및 confution matrix - 머신 러닝의 대표적인 예제인 mnist를 랜덤 포레스트를 활용 1. 데이터를 로드 2. 학습을 시킨 후 모델을 저장 3. 저장된 모델로 테스트를 진행하고 정확도를 도출 4. 모델의 출력 결과와 정답본을 비교하여 confusion matrix를 생성 5. confusion matrix를 시각화 # MNIST MNIST는 (Modified National Institute of Standards and Technology database)는 손으로 쓴 숫자들로 이루어진 대형 데이터 베이스이며, 28 x 28 픽셀로 된 60,000개의 트레이닝 이미지와 10,000개의 테스트 이미지를 포함한다. #..