본문 바로가기
반응형

연구 노트151

XGBoost 초간단 설치(윈도우10) 아래와 같이 복잡하게 하지 말고, 그냥 (base) pip install xgboost 하면 된다. conda install 을 사용하면, 아래와 같이 python 버전에 따라 PakcagesNotFoundError 가 발생한다. XGBOOST 설치방법 1) https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 2) 현재 pyton 3.10 설치된 상태이므로, xgboost-1.5.1-cp310-cp310-win_amd64.whl 다운 받는다. 3) 다운로드한 파일을 C:\Users\chpark\Anaconda3\pkgs\python-3.10.0-h96c0403_3\Lib\site-packages 에 저장 4) 다운 받은 폴더에 가서, pip install xgbo.. 2021. 12. 27.
plotnine ggplot2 in python import matplotlib.pyplot as plt %matplotlib inline plt.figure(figsize=(28,12)) import plotnine as p9 p9.ggplot(data=df, mapping=p9.aes(x='Site_No', y='Vis_flag'))+ p9.geom_bar(stat='identity') 2021. 11. 26.
판다스 조건별 데이터 필터링 import pandas as pd ind =(df['Vis_flag'] == 1) & (df['Site_No'] == 192) #조건만 만족하면 index 를 가지고 있다. 괄호가 중요 df[ind] # 조건에 맞는 모든 열을 추출한다. 2021. 11. 26.
넘파이 배열 정렬(sort) print(np.sort(sum_by_flag['Vis_flag']) #정렬 C:\Users\chpark\OneDrive\My_Code\_Scratch [ 0. 0. 0. 0. 1. 3. 13. 14. 14. 19. 22. 25. 27. 28. 32. 32. 34. 46. 48. 61. 63. 65. 75. 79. 89. 102. 105. 111. 114. 124. 125. 156. 181. 181. 191. 198. 202. 208. 223. 272. 397. 643. 881.] print(np.sort(sum_by_flag['Vis_flag'])[::-1])# 역정렬 C:\Users\chpark\OneDrive\My_Code\_Scratch [881. 643. 397. 272. 223. 208. 20.. 2021. 11. 26.
Jupyter notebook 시작 디렉토리 설정 작동 안 될 때 (간단 해결) Anaconda Prompt 에서 jupyter notebook --generate-config 설정을 했음에도 사용자 지정 주피터 노트북 경로가 작동 안 될 때 아래 방법으로 간단 해결 1. Jupyter Notebook 아이콘에서 속성 열기 2. 대상(T)에서 %USERPROFILE% 삭제 후, 원하는 폴더 경로 입력. 3. 시작 위치(S) %HOMEPATH% 경로 제거 4. Jupyter notebook 실행해서 확인. 2021. 11. 23.
CPU와 듀얼 GPU로 딥러닝 분업 할당하는 법 (3개 동시 모델링) GPU가 2개인데, CPU 에서도 작업을 수행하게 해서 3개 작업을 동시에 분업시키는 방법 1. 듀얼 GPU 설정하는 방법은 아래 링크 참고. 듀얼 또는 다중 GPU 각각 따로 사용하는 딥러닝 환경만들기 Dual GPU 사용시 NVLink 등으로 묶거나 상호 교차 계산(multi-tasking) 하지 않고, 두 개의 프로그램을 각각 다른 GPU에서 독립적으로 분업으로 실행시키고자 할 때의 환경을 만드는 방법이다. 1. Anaconda pro aeir.tistory.com 2. 기본적으로 케라스가 GPU를 인식에서 이용하기 때문에, 아래 명령어를 추가해 주면 CPU를 사용한다. import os os.environ["CUDA_VISIBLE_DEVICES"] = "" from keras import back.. 2021. 11. 22.
듀얼 또는 다중 GPU 각각 따로 사용하는 딥러닝 환경만들기 Dual GPU 사용시 NVLink 등으로 묶거나 상호 교차 계산(multi-tasking) 하지 않고, 두 개의 프로그램을 각각 다른 GPU에서 독립적으로 분업으로 실행시키고자 할 때의 환경을 만드는 방법이다. 1. Anaconda prompt 에서 가상환경 만들기 여기서는 gpu_0와 gpu_1 두 개의 가상환경을 만든다. 아래 그림 처럼 (base) conda create -n gpu_0 실행 Proceed [y] gpu_1에 대해서도 (base) conda create -n gpu_1 도 실행 2. 각각 가상환경에서 커널 연결 각 가상환경(gpu_0, gpu_1)에서 아래 명령어 실행 python -m ipykernel install --user --name [가상환경 이름] --display-n.. 2021. 11. 19.
주피터 노트북 작업 디렉토리 변경 1. jupyter notebook --generate-config 실행 2. 아래 디렉토리를 찾아 파일 열기 3. 아래 문장을 찾아서 원하는 디렉토리 넣어주고 저장. 2021. 11. 19.
한방에 99.9% 예측 정확도, <1% 오차라 한방에 99.9% 정확도, 오차>> X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0) >>> X_train.shape (48456, 13) >>> y_train.shape (48456,) >>> X_test.shape (20767, 13) >>> y_test.shape (20767,) >>> classifier.add(Dense(units = 13, activation = 'relu')) >>> classifier.add(Dense(units = 1, activation = 'sigmoid')) >>> classifier.compile(optimizer = 'adam', loss = 'binary.. 2021. 11. 19.
728x90

티스토리툴바