] Champion Program
본문 바로가기

전체 글

[Pandas] read_csv 하는데 UnicodeDecodeError 가 뜬다? UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbd in position 10: invalid start byte csv파일에 한글이 들어가 있었네 더보기
[Python] round 함수 소수 둘째짜리까지만 출력하기 dataframe2.loc[8,assay_name] = model_acc #이렇게 기록하니 소수점이 너무 많이 나온다.round(model_acc,2) 이렇게 바꿔주면 소수 2째짜리까지만 표기가능 더보기
[Keras] lyle code 에서 y_pred = cross_val_predict(estimator, x_train_res, y_train_res, cv=kfold) y_pred = cross_val_predict(estimator, x_train_res, y_train_res, cv=kfold) #얘가 반환하는 결과는 무엇인가? 더보기
[Keras] sklearn.metrics.confusion_matrix confusion_matrix를 구해야하는데....sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None) 요 메소드의 리턴 값이 무엇인가? C : array, shape = [n_classes, n_classes] 이러한 배열인데.. 클래스들로 matrix를 만드니까. 2개의 클래스 Ligand=0 not_ligand = 1 이 있으므로 array([[756, 6], [ 8, 754]]) 실 제 정 답 ligand(0으로 인코딩됨)active(1)이지 not_ligand(1로 인코딩됨)active(0)이지 ligand(0으로 인코딩됨)active(1)이지 756 8 not_ligand(1로 인코딩됨)active(0.. 더보기
[Keras] validation acc를 confustion matrix로 구하기 #validation acc 구하기 estimator = KerasClassifier(build_fn=create_deep_learning_model, epochs=5, batch_size=5) kfold = StratifiedKFold(n_splits=5, shuffle=True, random_state=seed) results = cross_val_score(estimator, x_train_res, y_train_res, cv=kfold) model_acc = results.mean()*100 print("Results: %.2f%% (%.2f%%)" % (model_acc, results.std()*100)) #confustion matrix구하기 y_pred = cross_val_predict(.. 더보기
[Pandas] pandas.read_csv('result1.csv', header=None) dataframe2 = pandas.read_csv('result1.csv')#header=None하면 열 개념이 사라진다. 안되네 이러면.assay이름 열이 사라져서 dataframe2.loc[8,assay_name] = model_acc dataframe2.loc[9,assay_name] = conf_mat[0][0]/(conf_mat[0][0]+conf_mat[0][1]) dataframe2.loc[10,assay_name] =conf_mat[1][0]/(conf_mat[1][0]+conf_mat[1][1]) dataframe2.loc[11,assay_name] = "[%d ,%d][%d ,%d]" % (conf_mat[0][0], conf_mat[0][1],conf_mat[1][0],conf_ma.. 더보기
엑셀 순위구하기(rank함수), 범위내의 특정 값 개수세기 =RANK.EQ(D28,INDIRECT("C28:WU28")) 대상시트, INDIRECT는 범위 고정함수 =COUNTIF(D31:D490, 1)범위, 값 더보기
딥러닝과 게임할때 쓰는 그래픽카드(GPU)는 무슨관계? 시중에 판매되는 CPU는 1990년과 2010년 사이에 거의 5,000배가 빨라졌습니다. 그 덕에 요즘에는 노트북에서도 작은 딥러닝 모델을 실행시킬 수 있습니다. 25년전이라면 현실적으로 불가능했던 일입니다. 하지만 컴퓨터 비전이나 음성 인식에서 사용되는 일반적인 딥러닝 모델들은 노트북보다 10배의 계산 능력이 필요합니다. 2000년대에 NVIDIA와 AMD 같은 회사들이 실사와 같은 비디오 게임의 그래픽 성능을 높이기 위해 대용량 고속 병렬 칩(그래칙 처리장치 GPU) 를 개발하는데 수십억 달러를 투자해 왔습니다. 이런 칩은 복잡한 3D 장면을 실시간으로 화면에 그리려는 목적으로만 설계된 저렴함 슈퍼컴퓨터와 같습니다. 2007년 NVIDIA가 자사의 GPU 제품을 위한 프로그래밍 인터페이스인 CUDA를.. 더보기

티스토리툴바