개발새발코딩

https://developers.naver.com/docs/papago/papago-nmt-overview.md Papago 번역 - Papago API Papago 번역 개요 Papago 번역 개요 Papago 번역은 Papago의 인공 신경망 기반 기계 번역 기술(NMT, Neural Machine Translation)로 텍스트를 번역한 결과를 반환하는 RESTful API입니다. Papago 번역으로 번역할 수 있 developers.naver.com 첫번째 코드 import requests URL = "https://openapi.naver.com/v1/papago/n2mt" text = '파이썬 너무 어려워요' header = {'Content-Type':'application/x-www-f..

/tmp 컬럼에, 2000개의 이미지를 다운로드 받아서 저장합니다. !wget --no-check-certificate \ https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip \ -O /tmp/cats_and_dogs_filtered.zip 압축풀기 import tensorflow as tf import os #압축풀기 import zipfile filename = '/tmp/cats_and_dogs_filtered.zip' zip_ref = zipfile.ZipFile(filename,mode='r') zip_ref.extractall('/tmp/cats_and_dogs_filtered') zip_ref.close() 데이터..

이미지 파일 다운로드 말, 사람을 분류하기 위한 사진 파일 다운로드하기 !wget --no-check-certificate \ https://storage.googleapis.com/laurencemoroney-blog.appspot.com/horse-or-human.zip \ -O /tmp/horse-or-human.zip 확인용 ! wget --no-check-certificate \ https://storage.googleapis.com/laurencemoroney-blog.appspot.com/validation-horse-or-human.zip \ -O /tmp/validation-horse-or-human.zip 압축풀기 import os import zipfile filename = '/tm..

필요한 라이브러리 import import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Flatten,Conv2D,MaxPooling2D from tensorflow.keras.datasets import mnist import matplotlib.pyplot as plt (X_train,y_train),(X_test,y_test) = mnist.load_data() 이미지는 원래 컬러 이미지이므로, 1개의 이미지는 3차원 입니다. 따라서 이미지 처리를 CNN을 구성할때는, 전체 데이터셋은 4차원으로 구성해야합니다. X_train=X_train.reshape(..

필요한 라이브러리 import import pandas as pd import numpy as np import matplotlib.pyplot as plt 구글 드라이브 마운트 from google.colab import drive drive.mount('/content/drive') csv파일 읽기 import os # Working Direcctory Setting 워킹 디렉토리 세팅 os.chdir('/content/drive/csv파일 있는 위치') df = pd.read_csv('auto-mpg.csv') df 1. 빈데이터 확인 df.isna().sum() 2. 빈데이터 삭제 df=df.dropna() 3. X, y 설정 X=df.iloc[:,1:] y=df['MPG'] 4. 카테고리컬 데이..

필요한 라이브러이 import import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sns %matplotlib inline 구글 드라이브 마운트 from google.colab import drive drive.mount('/content/drive') csv파일 읽기 import os # Working Direcctory Setting 워킹 디렉토리 세팅 os.chdir('/content/drive/csv파일 있는 위치') df = pd.read_csv('Churn_Modelling.csv') df 1. 비어있는 데이터 확인합니다. df.isna().sum() 2. X와 y 설정합니다. X=df...

데이터는 미국의 아보카도 리테일 데이터 입니다. (2018년도 weekly 데이터) 아보카도 거래량과 가격이 나와 있습니다. 컬럼 설명 : Date - The date of the observation AveragePrice - the average price of a single avocado type - conventional or organic year - the year Region - the city or region of the observation Total Volume - Total number of avocados sold 4046 - Total number of avocados with PLU 4046 sold - PLU는 농산물 코드입니다 4225 - Total number of av..

https://dbfoot.tistory.com/173 Naive Bayes 나이브 베이즈와 Vectorizing 벡터라이징을 이용한 스팸 분류 예시 5,574개의 이메일 메시지가 있으며, 스팸인지 아닌지의 정보를 가지고 있다. 컬럼 : text, spam spam 컬럼의 값이 1이면 스팸이고, 0이면 스팸이 아닙니다. 스팸인지 아닌지 분류하는 인공지능을 만들 dbfoot.tistory.com 여기서 이어집니다. from wordcloud import WordCloud, STOPWORDS 스팸만 들어있는 이메일의 내용을 가져와서 화면에 어떤 단어가 많이 나왔는지 시각화 하려 합니다. 데이터프레임에 있는 문자열을 하나의 문자열로 만들어 줘야합니다. 1. 각 행의 문자열을 리스트로 받아옵니다. spam['t..

5,574개의 이메일 메시지가 있으며, 스팸인지 아닌지의 정보를 가지고 있다. 컬럼 : text, spam spam 컬럼의 값이 1이면 스팸이고, 0이면 스팸이 아닙니다. 스팸인지 아닌지 분류하는 인공지능을 만들자 - 수퍼바이즈드 러닝의 분류 문제! 구글드라이브 import from google.colab import drive drive.mount('/content/drive') 필요한 라이브러리 import import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline spam_df=pd.read_csv('/content/drive/MyDrive/위치/emails...

언어를 분석할때, stopwords 라는 용어가 나옵니다. stopwords 또는 불용어 란, 우리가 언어를 분석할 때, 의미가 있는 단어와, 의미가 없는 단어나 조사 등이 있습니다. 이렇게 의미가 없는 것들을 stopwords 라고 합니다. 예를 들어서, 다음 문장이 있으면, "Family is not an important thing. It's everything." Family, important, thing, everything 은 의미가 있다고 보고, 나머지 아래 같은 것들은 의미가 없다고 판단하여 stopwords 로 정의합니다. {'a', 'about', 'above', 'after', 'again', 'against', 'all', 'also', 'am', 'an', 'and', 'any'..