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..

데이터 코드 xy= np.loadtxt(path+"data-03-diabetes.csv", delimiter=",") xy >>> array([[-0.294118 , 0.487437 , 0.180328 , ..., -0.53117 , -0.0333333, 0. ], [-0.882353 , -0.145729 , 0.0819672, ..., -0.766866 , -0.666667 , 1. ], [-0.0588235, 0.839196 , 0.0491803, ..., -0.492741 , -0.633333 , 0. ], ..., [-0.411765 , 0.21608 , 0.180328 , ..., -0.857387 , -0.7 , 1. ], [-0.882353 , 0.266332 , -0.0163934, .....

암분류기 데이터 맨 오른쪽 #1: 수술후 생존, 0: 사망 코드 import tensorflow as tf seed=123 np.random.seed(seed) tf.set_random_seed(seed) path = "C:\\Users\\student\\Desktop\\DY\\★ 데이터\\105. deep-learning-dataset\\" dataset=np.loadtxt(path+"ThoraricSurgery.csv", delimiter =",") dataset >>> array([[293. , 1. , 3.8 , ..., 0. , 62. , 0. ], [ 1. , 2. , 2.88, ..., 0. , 60. , 0. ], [ 8. , 2. , 3.19, ..., 0. , 66. , 1. ], ....

이항변수화(바이너라이저) - 이항변수화: 연속형변수 기준이하 -> 0 , 기준초과 -> 1 확률변수 X가 이항분포를 따른다고 했을 때, 0또는 1값을 갖는 이항변수화가 필요함. - 베르누이 시행: 성공(1), 실패(0) 두가지 경우만 존재 성공확률이 p인 베르누이 시행을 n번 수행 했을 때, 성공하는 횟수를 x라고 하면, 확률변수 x는 모수 n과 p인 이항분포를 따른다. 예시 주사위 : 3 3이 나올 확률(성공) : 1/6 실패 : 5/6 A,B,C,D A만성공, B만성공, C만성공, D만 성공 A만성공: 1/6*5/6*5/6*5/6 =0.09 B만성공: 1/6*5/6*5/6*5/6 =0.09 C만성공: 1/6*5/6*5/6*5/6 =0.09 D만성공: 1/6*5/6*5/6*5/6 =0.09 0.09*4..