electronicprogrammer

데이터 출처 : www.kaggle.com/ronitf/heart-disease-uci Heart Disease UCI https://archive.ics.uci.edu/ml/datasets/Heart+Disease www.kaggle.com ipynb file : github.com/sangHa0411/DataScience/blob/main/Heart_Disease.ipynb sangHa0411/DataScience Contribute to sangHa0411/DataScience development by creating an account on GitHub. github.com 먼저 Pandas를 이용해서 데이터를 불러오겠습니다. 데이터의 총 갯수는 303개인 것을 확인할 수 있습니다. 데이터의 속..

데이터 출처 : www.data.go.kr/tcs/dss/selectFileDataDetailView.do?publicDataPk=3038489 공공데이터 포털 국가에서 보유하고 있는 다양한 데이터를『공공데이터의 제공 및 이용 활성화에 관한 법률(제11956호)』에 따라 개방하여 국민들이 보다 쉽고 용이하게 공유•활용할 수 있도록 공공데이터(Datase www.data.go.kr 이번 포스팅에 대해서는 제가 그리고자 하는 부분을 Basemap 을 이용해서 출력하는 방법과 이 지도 위에 데이터를 시각화하는 방법에 대해서 정리해보도록 하겠습니다. 저는 위 공공데이터 포털에서 2019년에 일어난 교통사고 데이터를 이용해보도록 하겠습니다. 먼저 Pandas를 이용해서 데이터를 불러오겠습니다. 그리고 Basema..

이번 포스팅에서는 이미 훈련된 CNN의 활성화를 파악하는 방법 중 하나인 히트맵 시각화하는 방법에 대해서 정리해보도록 하겠습니다. 이 방법으로 저희는 이미지의 어느 부분이 CNN의 최종 분류 결정에 기여하는 가에 대해서 파악할 수 가 있습니다. 먼저 히트맵을 시각화하기 이전에 이미 훈련된 CNN 모델 중 하나인 VGG16 모델을 가져오도록 하겠습니다. from keras.applications.vgg16 import VGG16 from keras.preprocessing import image from keras.applications.vgg16 import preprocess_input , decode_predictions 그리고 이 모델을 이용해서 히트맵을 그리고자 하는 예시 사진을 하나 가져오겠습니..

이번에는 WordCloud 라이브러리를 이용해서 WordCloud를 만들어보고 출력해보는 과정을 정리해보도록 하겠습니다. 먼저 데이터를 Pandas를 이용해서 불러오겠습니다. 위 데이터는 넷플릭스에 영화 및 TV 시리즈에 대한 정보가 들어있는 데이터입니다. 저는 여기서 Crime TV Shows 장르만을 추출하고 그에 대한 설명을 가지고 WordCloud를 만들어 보겠습니다. 아래는 Crime TV Shows 를 장르로 가지는 Content만을 추출하는 과정입니다. 이제 위 추출된 데이터만을 이용해서 WordCloud를 본격적으로 만들어보겠습니다. crime_String = [] for string in crime_df['description'] : crime_String.append(string) cr..

github 주소 : github.com/sangHa0411/DataScience/blob/main/Amazon_BestSellers_Seaborn.ipynb sangHa0411/DataScience Contribute to sangHa0411/DataScience development by creating an account on GitHub. github.com 아래는 Heatmap에 대한 참고자료에 대한 내용입니다. x , y 모두 이산적인 속성으로 정하고 색깔을 연속적인 속성으로 정함으로써 어디 칸의 색깔이 가장 짙은지를 혹은 색깔이 옅은지를 쉽게 파악할 수 있습니다. seaborn 을 이용한 데이터 시각화 방법 : electronicprogrammers.com/71?category=904280 ..

이번 포스팅에서는 Pandas를 이용해서 불러온 데이터프레임에서 각 속성간의 관계를 파악하기 위해서 상관행렬을 구하고 이를 이용해보는 과정을 정리해보겠습니다. 상관행렬에 대한 이론을 간단하게 정리하자면 아래와 같습니다. 먼저 각 속성에 대한 분산과 속성들간의 공분산을 구해서 분산 - 공분산 행렬을 만듭니다. 근데 여기서 공분산 값을 최솟값 = -1 , 최댓값 = 1 로 만듬으로써 표준화하는 것이 상관행렬이고 이를 이용하는 것이 피어슨 상관계수입니다. 이제 이를 파이썬을 이용해 구현해보겠습니다. 먼저 Pandas를 이용해서 데이터를 불러오고 데이터 구조를 확인해보겠습니다. 이제 이 데이터를 기반으로 상관행렬을 구해보겠습니다. corr_Info = insurance.corr() df.corr() 함수를 이용..