텐서플로우 데이터 불러오기 import tensorflow as tf import matplotlib.pyplot as plt import random tf.set_random_seed(777) from tensorflow.examples.tutorials.mnist import input_data mnist =input_data.read_data_sets("MNIST_data/", one_hot=True) 변수 정의 x = tf.placeholder(tf.float32, [None,784]) y = tf.placeholder(tf.float32, [None,10]) # 0~9 digit w = tf.Variable(tf.random_normal([784,10])) b = tf.Variable(tf.ra..

예제 데이터 x_data = [[1, 2, 1, 1], [2, 1, 3, 2], [3, 1, 3, 4], [4, 1, 5, 5], [1, 7, 5, 5], [1, 2, 5, 6], [1, 6, 6, 6], [1, 7, 7, 7]] y_data = [[0, 0, 1], #원핫인코딩 상태 [0, 0, 1], [0, 0, 1], [0, 1, 0], [0, 1, 0], [0, 1, 0], [1, 0, 0], [1, 0, 0]] 변수정의 x= tf.placeholder("float",shape=[None,4]) y= tf.placeholder("float",shape=[None,3]) #3: 분류기의 갯수 (분류 결과 종료의 가짓수) nb_classes = 3 w=tf.Variable(tf.random_norma..

# 라이브러리 호출 %matplotlib notebook import matplotlib.pyplot as plt Matplotlib.org : 라이브러리 정보 홈페이지 Series.plot() 인자 label = 그래프의 범례이름 ax= 서브플롯 객체 style= "ko--" 와같은 그래프 스타일 문자열 alpha = 그래프 투명도 (0~1) kind= 그래프 종류.'area', 'bar', 'barh', density', ' hist', 'kde', ' line' ,'pie' logy = y축에대한 로그 스케일링 use_index = 객체의 색인을 눈금이름으로 사용할지 여부 rot = 눈금이름을 로테이션 (0~360) xticks = x축으로 사용할 값 yticks = y축으로 사용할 값 xlim =..

데이터 코드 # Open, High, Low , Volume으로 Close 가격 예측하기 xdata=data[["Open","High","Low","Volume"]] ydata=pd.DataFrame(data["Close"]) # 데이터 표준화 from sklearn.preprocessing import StandardScaler xdata_ss=StandardScaler().fit_transform(xdata) ydata_ss=StandardScaler().fit_transform(ydata) print(xdata_ss.shape , ydata_ss.shape) >>>(732, 4) (732, 1) # 트레이닝 테스트 데이터 분리 xtrain=xdata_ss[220:,:] xtest=xdata_ss[:..

데이터 # tensorflow import tensorflow as tf # keras from keras.datasets import mnist from keras.models import Sequential from keras.layers import Dense, Activation from keras.utils import np_utils path = "C:\\Users\\student\\Desktop\\DY\\★ 데이터\\105. deep-learning-dataset\\" data = pd.read_csv(path+"data-02-stock_daily.csv", header=1) data # 데이터 시각화 import matplotlib.pyplot as plt %matplotlib inline..

예제 데이터 import pandas as pd import numpy as np mul_index = pd.MultiIndex.from_tuples([('cust_1','2020'), ('cust_1','2021'), ('cust_2','2020'), ('cust_2','2021')]) data = pd.DataFrame(data=np.arange(16).reshape(4,4), index = mul_index, columns = ['prd_1','prd_2','prd_3','prd_4'], dtype='int') 데이터를 재구조화 할때 사용하는 함수 - pivot, pivot_table - melt - stack, unstack stack : 데이터의 칼럼을 로우로 피벗(또는 회전) 시킨다. unst..