Byte의 발자취

# 이번엔 티처블 머신을 이용해서 총 11개의 클래스를 생성해서 11종류의 음식사진을 학습시켜서 모델로 다운로드 진행# 티처블 머신을 가지고 학습시키는 방법은 라이브러리글 참고# 참고 : https://sorktjrrb.tistory.com/76# 티처블 머신(Teachable Machine)은 구글이 개발한 웹 기반의 머신러닝 플랫폼 # 이 플랫폼은 사용자가 간단한 인터페이스를 통해 이미지, 음성 또는 동작과 같은 데이터" data-og-host="sorktjrrb.tistory.com" data-og-source-url="https://sorktjrrb.tistory.com/76" data-og-url="https://sorktjrrb.tistory.com/76" data-og-image="https..

음식소비 데이터를 통해서 비슷한 고객으로 그룹핑 하자 > import numpy as npimport matplotlib.pyplot as pltimport pandas as pd df = pd.read_csv('../data/Cust_Spend_Data.csv') df.isna().sum()Cust_ID 0Name 0Avg_Mthly_Spend 0No_Of_Visits 0Apparel_Items 0FnV_Items 0Staples_Items 0dtype: int64 X = df.iloc[:,2:] import scipy.cluster.hierarchy as schimport matplotlib.pyplot a..

기술 지원 데이터는 종종 고객 경험 개선 기회에 대한 풍부한 정보 소스가 될 수 있습니다. 제품에 대한 고객의 문제가 적을수록 좋습니다. 고객이 최소한의 노력으로 기술적 과제를 신속하게 극복 할 수 있다면 더욱 좋습니다. 기술 지원 데이터를 분석하고 문제 유형, 문제 해결 시간 및 가장 적합한 지원 채널에 대한 기본적인 분석을 수행하겠습니다. 문제) technical_support_data.csv 파일을 통해, 비슷한 유형의 문제들을 도출하시오.import pandas as pd# 데이터 불러오기df = pd.read_csv('../data/technical_support_data.csv') # 비어있는 데이터 확인df.isna().sum()PROBLEM_TYPE ..

문제) pima-indians-diabetes.csv 파일을 읽어서, 당뇨병을 분류하는 모델을 만드시오. 컬럼 정보 : Preg=no. of pregnancy Plas=Plasma Pres=blood pressure skin=skin thickness test=insulin test mass=body mass pedi=diabetes pedigree function age=age class=target(diabetes of not, 1:diabetic, 0:not diabetic) import numpy as np import matplotlib.pyplot as plt import pandas as pd # 데이터 불러오기 df = pd.read_csv('../data/pima-..

auto-mpg.csv 데이터를 통해, mpg (mile per gallern, 자동차 연비) 를 예측하는 모델을 만드세요. # 필요한 import를 한번에 정리 # numpy와 pnadas 데이터 시각화에 필요 import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sb # 데이터 인코딩에 필요 from sklearn.preprocessing import LabelEncoder, OneHotEncoder from sklearn.compose import ColumnTransformer # 스케일링에 필요 from sklearn.preprocessing import StandardScaler, MinM..