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..

티처블 머신(Teachable Machine) ># 티처블 머신(Teachable Machine)은 구글이 개발한 웹 기반의 머신러닝 플랫폼 # 이 플랫폼은 사용자가 간단한 인터페이스를 통해 이미지, 음성 또는 동작과 같은 데이터를 입력하고, 이를 기반으로 모델을 학습시킬 수 있고, 사용자는 이를 통해 기계에게 어떤 입력이 어떤 출력을 가져오는지를 가르칠 수 있다.# https://teachablemachine.withgoogle.com/ Teachable MachineTrain a computer to recognize your own images, sounds, & poses. A fast, easy way to create machine learning models for your sites, ap..

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..

Hierarchical Clustering > - 데이터 포인트들을 계층적으로 그룹화하는 클러스터링 방법 - 복잡한 데이터 구조를 가진 데이터 세트에서 패턴이나 관계를 파악하는 데 유용 - Hierarchical Clustering의 결과는 트리 형태로 나타낼 수 있으며, 이를 덴드로그램(dendrogram)이라고 한다. - 덴드로그램은 각 클러스터의 병합 순서와 유사도를 시각적으로 표현하고, 클러스터의 수를 사전에 지정할 필요가 없으므로, 클러스터의 개수를 자유롭게 선택할 수 있어 매우 유연하게 사용할 수 있다.묶인 클러스터를 점 하나로 보고, 반복하여 가까운것끼리 묶는다. # Library 임포트import numpy as npimport matplotlib.pyplot as pltimport pan..

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 ..

- K-Means Clustering은 비지도 학습 알고리즘 중 하나로, 데이터를 여러 개의 클러스터로 그룹화하는 데 사용된다.- 이 알고리즘의 목표는 데이터 포인트들을 그룹 내에서 가능한 작은 거리의 합계로 클러스터링하는 것! # 이전까지 작성한 Classification(분류)에 KNN, SVM, Decision Tree, Logistic regression# Prediction(예측)에 regression(회귀) 은 모두 Supervised Learnig # Clustering은 모두 Unsupervised Learning 이다. k 개의 그룹을 만든다. 즉, 비슷한 특징을 갖는 것들끼리 묶는것다음을 두개, 세개, 네개 그룹 등등 원하는 그룹으로 만들 수 있다. 알고리즘또다..

# Decision Tree(의사결정트리)는 지도 학습 알고리즘 중 하나로, 데이터를 특정 기준을 기반으로 여러 노드로 분할하여 결정을 내리는 트리 구조를 사용 계속하여 이것인지 저것인지 결정한다.   # Importing the librariesimport numpy as npimport matplotlib.pyplot as pltimport pandas as pd # 이전 게시글에서 사용한 데이터와 동일한 데이터로 실습df = pd.read_csv('../data/Social_Network_Ads.csv') # X,y 분류y = df['Purchased']X = df.loc[ : , 'Age' : 'EstimatedSalary' ] # 피쳐 스케일링from sk..