기상 기후 강의 노트

MakingRobot :: Window 10에서 Anaconda 삭제 (tistory.com) Window 10에서 Anaconda 삭제 1. 가상환경 목록 확인 아래와 같이 명령어를 입력하여 컴퓨터에 설치된 가상환경 리스트를 확인합니다. conda env list or conda info --envs 2. 가상환경 삭제 삭제를 원하는 가상환경 이름을 입력하여 makingrobot.tistory.com

보호되어 있는 글입니다.

At-A-Glance 나이브 베이즈 vs. 의사결정나무 Phen 자료 포함 1,2 시간 전 자료 모두 사용한 경우 1 시간 전 자료만 사용한 경우 나이브 베이즈 1,2 시간 전 자료 모두 사용 precision recall f1-score support 0 0.99 0.84 0.91 10479 1 0.59 0.99 0.74 193 2 0.58 0.90 0.70 2480 accuracy 0.86 13152 macro avg 0.72 0.91 0.78 13152 weighted avg 0.90 0.86 0.87 13152 1시간 전자료만 사용 precision recall f1-score support 0 0.98 0.86 0.92 10479 1 0.59 1.00 0.74 193 2 0.60 0.87 0.7..

https://www.inflearn.com/questions/224124 MinMaxScaler 수치 원상복구 방법 문의 - 인프런 | 질문 & 답변 안녕하세요. RNN, LSTM, GRU 파트 집중적으로 공부하고 있습니다. 수치의 단위를 맞추기 위해 MinMaxScaler를 사용하여 0~1사이의 값으로 보이는 결과 그래프까지 확인 하였습니다. 다만, 주가예측도, 주 www.inflearn.com

학습/테스트 데이터의 스케일 변환시 주의사항 MinMaxScaler 객체의 fit( ) 과 transform( ) 이 둘은 2차원 데이터만 가능하므로 reshape(-1, 1)로 차원 변경해야 한다. train_array = np.arrange(0, 11).reshape(-1,1) test_array = np.arrange(0, 6).reshape(-1,1) fit( ) 의 경우 [0,10] 스케일이 적용됨. 일반적으로 fit_transform( )을 사용하여 학습데이터와 테스트 데이터 스케일을 변환한다. 이는 fit( )과 transform( )을 순차적으로 수행하는 메소드이다. 학습데이터에서는 상관없지만, 테스트 데이터에서는 fit_transform( )을 절대 사용해서는 안된다. 따라서, 정확히 사..

https://www.youtube.com/watch?v=7PWgx16kH8s

LSTM 다룰 때 중요한 부분! 에러 ValueError: Input 0 of layer "sequential" is incompatible with the layer: expected shape=(None, 100, 1), found shape=(None, 21) 원인 LSTM 모델을 사용할 때는, train 차원을 바꾸어야 하는데, 차원 변경을 해 주지 않으면 발생하는 에러 해결 X_train = X_train.reshape(X_train.shape[0], X_train[1], 1) 명령으로 2차원 데이터를 3차원으로 변경하면 됨.

코드 ftr_importances_values = model.feature_importances_ ftr_importances = pd.Series(ftr_importances_values)#, index=X_train.columns) ftr_top20 = ftr_importances.sort_values(ascending=False)[:20] plt.figure(figsize=(15,6)) sns.barplot(x=ftr_top20, y=ftr_top20.index) # plt.show()

코드 from sklearn.model_selection import GridSearchCV params = { 'n_estimators':[100], 'max_depth' : [6,8,10.,12], 'min_samples_leaf' : [8,12, 18], 'min_samples_split' : [8,16, 20] } rf_clf = RandomForestClassifier(random_state=0) model = rf_clf grid_cv = GridSearchCV(model, param_grid=params, cv=2, n_jobs=-1) grid_cv.fit(X_train, y_train) print('Best parameter:\n', grid_cv.best_params_) print('Hi..

def roc_curve_plot(y_test, pred_proba_c1): fprs, tprs, thresholds = roc_curve(y_test, pred_proba_c1) plt.plot(fprs, tprs, label='ROC') plt.plot([0,1], [0,1], 'k--', label='Random') start, end = plt.xlim() plt.xticks(np.round(np.arange(start, end, 0.1), 2)) plt.xlim(0,1);plt.ylim(0,1) plt.xlabel('FPR( 1 - sensitivity )'); plt.ylabel('TPR( Recall )') plt.legend()