반응형 연구 노트/탄소 기상 예측13 파이썬 전처리 :: ASOS AAOS AQ 자료 병합 ASOS_AAOS_AQ_pre_mrg.py 특정 사이트 자료 ASOS AAOS AQ 모두 합치기 In [1]: import keras print(keras.__version__) import tensorflow as tf print(tf.__version__) import os #os.environ["CUDA_VISIBLE_DEVICES"] = "1" # for GPU_1 from __future__ import absolute_import, division, print_function, unicode_literals import seaborn as sns import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np from da.. 2022. 7. 5. 파이썬 전처리 :: ASOS 전처리(1) - 사용가능 변수 살피기 ASOS_pre0_allsite_with_figs_OK.py ASOS 전처리 Step 1 1) 기상데이터 포털에서 각 연도별 OBS_ASOS_TIM_XXXX.csv 다운로드 2) 각 사이트별로 변수 그림 그리고, 값이 존재하는 사용 가능한 변수명 확인 In [1]: import keras print(keras.__version__) import tensorflow as tf print(tf.__version__) import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" from __future__ import absolute_import, division, print_function, unicode_literals import seaborn as sns import ma.. 2022. 7. 5. 머신러닝 :: 분류 리포트 2-3hr 차 결과 1차 데이터셋: qc_ASOS 데이터 (2-3시간 차이) 2차 데이터셋: mrg_ASOS_AAOS 데이터 (2-3시간 차이) x에 vis_log 가 없는 경우 y=flag 3차 데이터셋: mrg_ASOS_AAOS 데이터 (2-3시간 차이) x에 vis_log 를 추가하고 y=flag 데이터셋 주의 사항 vis_10m는 제외해야 된다. (오로지 flag로만 비교할때 보다, vis_log가 남아 있을 때 결과가 약간 더 향상되는 경우가 있다. ) 의사결정 나무 | 1차 2차 > 3차 --------------------------- precision | 1.0 recall | 0.50 f1-score | 0.53 support | 0.52 2차 precision recall f1-score support 0.. 2022. 6. 29. 머신러닝 :: 분류 리포트 1-2 hr 차 모델링 평가자료 1차 데이터셋: qc_ASOS 데이터 (2-3시간 차이) 2차 데이터셋: mrg_ASOS_AAOS 데이터 (1-2시간 차이) 오직 y=flag 3차 데이터셋: mrg_ASOS_AAOS 데이터 (1-2시간 차이) x에 vis_log 를 추가하고 y=flag 데이터셋 주의 사항 vis_10m는 제외해야 된다. 오로지 flag로만 비교할때 보다, vis_log가 남아 있을 때 결과가 약간 더 향상되는 경우가 있다. 코드 예제 - 의사결정 나무 #의사결정 나무 ## 데이터 학습 from sklearn import tree clf_tree = tree.DecisionTreeClassifier(random_state=0) clf_tree.fit(X_train_std, y_train) ## 데이터 예.. 2022. 6. 29. 이전 1 2 다음 728x90
