Data Science/ML & DL (24) 썸네일형 리스트형 [Module 4] 6.Ensemble | 머신러닝 모델을 동시에 사용하기 Ensemble Learning 이미 사용하고 있거나 개발한 알고리즘의 간단한 확장 Supervised learning task에서 성능을 올릴 수 있는 방법 Emsemble(함께, 동시에, 한꺼번에 협력하여 - 프랑스어 /소규모의 합주단 - 영어) => 머신러닝에서 알고리즘의 종류에 상관 없이 서로 다르거나, 같이 매커니즘으로 동작하는 다양한 머신러닝 모델을 묶어 함께 사용하는 방식 구조 1. 각 모델에 Data Set을 S1 ~SN까지 나눠서 학습을 진행 학습하는 Ensemble은 서로 다른 모델로 구성될 수 있지만 같은 학습모델로 구성될 수도 있음 그래서 같은 학습데이터로 학습하는 것을 지양해야함 2. 각각 학습을 진행한 다수의 모델의 다수결 Voting으로 예측결과를 제공 장점 예측 모델을 안정적.. Lv2. 결측치 보간법과 랜덤포레스트로 따릉이 데이터 예측하기 https://dacon.io/competitions/open/235698/overview/description [DACON_101] Lv.2 결측치 보간법과 랜덤포레스트로 따릉이 데이터 예측하기 를 공부하고 정리한 내용 서울시 따릉이 대여량 예측 경진대회 주어진 데이터를 바탕으로 따릉이 대여량을 예측하는 대회 링크 : https://dacon.io/competitions/open/235576/mysubmission 분류 : 정형, 알고리즘, 초급 data : 서울시 마포구의 날짜별, 시간별 기상상황과 따릉이 대여 수 데이터 id 고유 id hour 시간 temperature 기온 precipitation 비가 오지 않았으면 0, 비가 오면 1 windspeed 풍속(평균) humidity 습도 visi.. Lv1. 의사결정회귀나무로 따릉이 데이터 예측하기 https://dacon.io/competitions/open/235698/overview/description [DACON_101] Lv.1 의사결정회귀나무로 따릉이 데이터 예측하기를 공부하고 정리한 내용 우선, 데이터 다운로드 링크로 데이터를 코랩에 불러온다. !wget 'https://bit.ly/3gLj0Q6' import zipfile with zipfile.ZipFile('3gLj0Q6', 'r') as existing_zip: existing_zip.extractall('data') 모델을 학습시키는 과정은 EDA, 전처리, 모델링의 3단계를 거친다. 1단계 : EDA(Exploratory Data Analysis) 1. 라이브러리, 파일 불러오기 pandas라이브러리를 불러오고, data폴.. Segemntation | 개요 Segmentation 개요 - Segmentation(세분화)란 이미지에서 관심객체를 픽셀단위로 추출하는 것을 말한다. 관심객체가 이미지 어디에 있는 위치 뿐아니라 그 객체의 모양을 추출하고자 할때 방식이다. - 딥러닝의 발전과 함께 많은 성능향상이 이뤄진 분야 이다. 응용분야 자율주행 자동자 영상의학 Segmentation 종류 Semantic segmentation Instance segmentation Panoptic segmentation Category(범주)별로 분류하는 segmentation이다. - class분류 이미지내의 모든 픽셀(요소)에 대해서 class를 분류하는 것을 목표로 한다. (배경포함) 같은 class의 객체가 여러개 있을 경우에 각각을 구분하지 않는다. 객체별로 분류하는.. Object Detection | yolov8 예제 2(customdataset_train.) roboflow의 이미지를 불러온다. goole colab에서 실행 🔗https://colab.research.google.com/drive/120MgjqnF3UGv6NjWfpoMYZqvDK35f-_x Object Detection | yolov8 예제1(저장된 datasets) yolov8를 이용한 object detection 예제 1. YOLOv8 설치 !pip install ultralytics 주피터노트북에서 실행할 경우 프로그래스바를 실행하기 위해서 다음을 설치한다. (필수는 아님) pip install ipywidgets or conda install -y -c conda-forge ipywidgets 2. 추론(predict) 2-1. CLI (command line interface)에서 터미널 명령어로 추론/평가/학습을 진행 2-2. Python lib 를 이용해 코드상에 원하는 추론/평가/학습을 진행 2-1. CLI (command line interface) 1. 모델 로딩 Ultralytics에서 제공하는 Pretrained Model이나 직접 학습시킨 모.. Object Detection | YOLO 모델의 구조 YOLO (You Only Look Once) 2015년 발표된 Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi이 발표한 Object Detection 모델. 최초의 One stage 계열의 object detection로 이전의 RCNN 계열의 모델과 다르게 Real time detection을 구현 - 논문: https://arxiv.org/abs/1506.02640 - 홈페이지: https://pjreddie.com/darknet/ mAP(성능) - 최신 모델이 50~70대로(DPM은 기존모델) 성능이 훨씬 좋아진 것을 볼 수 있음. FPS(1초당 인식가능 이미지수) - 기존 모델은 실시간인식이가능하지만 최신모델은 인식속도가 빠르지 않아 실시.. Object Detection | 개요 + 성능평가 컴퓨터 비전 분야 3가지 - 인간의 시각과 관련된 부분을 컴퓨터 알고리즘을 이용해 구현하는 방법 연구 -> 최근엔 딥러닝 이용 1. Object Detection의 원리 Object Detection = Localization + Classification Object Detection : 물체들을 boundig box로 위치를 찾아냄 localization + class를 분류 (classification)g 하는 작업 단계 1. 하나의 이미지안에서 N개의 Object를 검출(찾으려는 object 수 지정) 2. Object가 있을 최대의 개수를 정하고 모델은 무조건 그 개수만큼 bounding box(위치+분류)를 추론(출력) 3. 추론한 결과에서 후처리를 통해 최종 추론결과를 낸다. - box안에 .. 이전 1 2 3 다음 목록 더보기
