일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Branch 활용 개발
- Object Detection Dataset 생성
- Linux build
- TensorFlow Object Detection Model Build
- CARLA simulator
- 커스텀 애니메이션 적용
- TensorFlow Object Detection 사용예시
- DOTA dataset
- DACON
- InstructPix2Pix
- 크롤링
- Towards Deep Learning Models Resistant to Adversarial Attacks
- 객체 탐지
- 사회초년생 추천독서
- 리눅스 빌드
- TensorFlow Object Detection API install
- 논문분석
- Paper Analysis
- TensorFlow Object Detection Error
- paper review
- Custom Animation
- VOC 변환
- 기능과 역할
- Git
- 개발흐름
- Carla
- 논문 분석
- Docker
- AI Security
- object detection
Archives
- Today
- Total
목록선형회귀 분석 (1)
JSP's Deep learning
[Data Analysis] 1. ols를 사용한 선형회귀 모수적 분석 루틴
여러 함수 중 가장 편리했던 방법만 기록 1. 기본 분석 (ols 기법 사용전) 결측치 확인 data.info() - pandas.DataFrame 함수 사용 특성 및 분포 확인 pandas_profiling 패키지의 profile_report 함수 사용(전반적인 데이터 확인) ex. profile = data.profile_report() data.변수.unique() : 범주형 변수의 속성을 확인 data.변수.value_counts() : 범주형 변수의 속성별 빈도수 확인 2. 기본 분석 토대로 ols 기법 사용전 전처리 불필요 변수 제거 ex. id 특징이 너무 많은 변수의 파생변수 생성(단, 원본변수는 제거하지 않고 그대로 둔다.) 범주형 변수의 속성 중 동일의미이나 오타로 잘 못 기입된 속성에..
Data Processing/Data Analysis
2022. 6. 12. 01:27