soccerda의 IT이야기

DNN Sequential 4가지 모델 1:1 #1. 데이터 # 1~7까지 데이터를 훈련시키고 8~10 데이터로 평가, 훈련이 잘되었나 11~13 예측 import numpy as np x_train = np.array([1,2,3,4,5,6,7]) y_train = np.array([1,2,3,4,5,6,7]) x_test = np.array([8,9,10]) y_test = np.array([8,9,10]) x_predict = np.array([11,12,13]) #2. 모델 구성 from keras.models import Sequential from keras.layers import Dense model = Sequential() model.add(Dense(100, input_dim = 1,..

깃 계정정보를 잘못 입력해서 HTTP Basic: Access denied 나면 윈도 시작메뉴에서 자격 증명 관리 Windows 자격 증명에 일반 자격 증명에서 등록한 정보를 삭제하면 된다.

TortoiseGit은 윈도 환경에서 깃을 좀 더 쉽게 사용할 수 있는 툴이다. 기본적으로 git 이 설치되어있어야 한다. 설치 방법은 이전 글을 참고하자. https://soccerda.tistory.com/136 깃허브(github) 윈도 설치 Git은 무료 오픈 소스 분산 버전 제어 시스템이다. 윈도 환경에서 사용할 수 있도록 환경 구성을 만들어 보겠다. https://git-scm.com/downloads Git - Downloads Downloads Mac OS X Windows Linux/Unix Older re.. soccerda.tistory.com 공식 홈에서 다운로드할 수 있다. https://tortoisegit.org/download/ Download – TortoiseGit – W..

Git은 무료 오픈 소스 분산 버전 제어 시스템이다. 윈도 환경에서 사용할 수 있도록 환경 구성을 만들어 보겠다. https://git-scm.com/downloads Git - Downloads Downloads Mac OS X Windows Linux/Unix Older releases are available and the Git source repository is on GitHub. GUI Clients Git comes with built-in GUI tools (git-gui, gitk), but there are several third-party tools for users looking for a platform-specific git-scm.com Windows 버전을 받자 자신의 윈..

운영하는 서비스가 각각 개발 상용망에 있고 혹은 여러 개의 서비스들이 각각이 분리된 망을 사용하여 접근 시 VPN을 통해 연결하려면 한 번에 연결하고자 하는 개수만큼 랜카드가 필요하다. 하지만 물리적인 랜카드 말고 가상으로 어댑터를 추가할 수 있다. 가상 어댑터를 추가하면 한번에 원하는 만큼 VPN을 연결할 수 있어 왔다 갔다 하는 수고를 덜 수 있다. 나는 OpenVPN을 사용하는 설치 프로그램에 옵션으로 TAP Virtual Ethernet Adapter라는 프로그램을 지원한다. 가상 어댑터를 추가하는 방법은 간단하다. 설치 후에 윈도 시작메뉴에서 add로 검색하면 TAP virtual ethernet adapter를 실행하여 추가할 수 있다. 네트워크 연결에 가면 추가된 어댑터를 확인 할 수 있다...

이전까지 model=Sequential()을 이용하여 순차적 모델을 만들었었다. 케라스 딥러닝에서는 두 가지 모델을 구성하는 방식이 있는데 순차적 모델과 함수형 모델이 있다. 모델의 간결함은 순차적 모델이 좋으나 모델이 길어지고 앙상블 등의 여러 가지 기법을 사용하고자 하면 함수형 모델은 필수이다. 1:1 #1. 데이터 import numpy as np x = np.array(range(1,101)) y = np.array(range(1,101)) from sklearn.model_selection import train_test_split x_train, x_test, y_train, y_test = train_test_split( x, y, random_state=66, test_size=0.4, s..

https://soccerda.tistory.com/131 회귀모델의 판별식 R2, RMSE #RMSE 구하기 from sklearn.metrics import mean_squared_error def RMSE(y_test, y_predict): return np.sqrt(mean_squared_error(y_test, y_predict)) print("RMSE : ", RMSE(y_test, y_predict)) RMSE(평균 제.. soccerda.tistory.com R2는 1에 가까울수록 RMSE는 낮을수록 좋은 수치이다. 아직 데이터가 적은 양이어서 Validation을 추가했다고 더 좋은 값이 나오는 것이 눈에 띄지 않지만, 많아질수록 Train 데이터에서 일부의 검증 세트를 분리하여 훈련하는..

앞에서 모델을 훈련시킬 때(fit) 검증 값을 test로 사용했다. 그러나 훈련 세트에 검증 값이 들어가고 그 검증 값을 다시 테스트한다면 평가에 검증 값이 반영되는 문제가 있다. 그래서 훈련 세트, 테스트 세트, 검증 세트은 분리가 되는 것이 좋다. 일반적으로 Train 데이터의 일부를 잘라서 Validation 데이터로 사용하는 것이 좋다. import numpy as np #1 데이터 준비 #훈련데이터 x_train = np.array([1,2,3,4,5,6,7,8,9,10]) y_train = np.array([1,2,3,4,5,6,7,8,9,10]) #테스트데이터 x_test = np.array([11,12,13,14,15,16,17,18,19,20]) y_test = np.array([11,1..

#RMSE 구하기 from sklearn.metrics import mean_squared_error def RMSE(y_test, y_predict): return np.sqrt(mean_squared_error(y_test, y_predict)) print("RMSE : ", RMSE(y_test, y_predict)) RMSE(평균 제곱근 오차 , Root Mean Squared Error)는 회귀 분석을 평가할 때 가장 많이 쓰는 지표 중 하나이다. RMSE는 함수가 내장되어 있지 않아 함수를 직접 구현해야 한다. from sklearn.metrics import mean_squared_error MSE에 루트를 씌운 것이 RMSE이다. 원래 데이터에서 평균을 뺀 값을 제곱하여 모두 더한 뒤 전체..

1차 함수 from keras.models import Sequential from keras.layers import Dense import numpy as np #1 데이터 준비 #훈련데이터 x_train = np.array([1,2,3,4,5,6,7,8,9,10]) y_train = np.array([1,2,3,4,5,6,7,8,9,10]) #평가데이터 x_test = np.array([101,102,103,104,105,106,107,108,109,110]) y_test = np.array([101,102,103,104,105,106,107,108,109,110]) #2 모델 구성 model = Sequential() #input_dim x_train으로 1개의 컬럼 데이터를 입력하며르 input..