OkBublewrap

준지도학습(semisupervised learning) 일부 데이터만 target 변수값(label)을 갖고 있고 나머지 다수 데이터는 label이 없을 때 이용하는 학습 방법 from sklearn.datasets import load_digits X_digits, y_digits = load_digits(return_X_y = True) X_1 = X_digits[0,:].reshape(8, -1) X_1 plt.imshow(X_1); y_digits[0] # 0 array([[ 0., 0., 5., 13., 9., 1., 0., 0.], [ 0., 0., 13., 15., 10., 15., 5., 0.], [ 0., 3., 15., 2., 0., 11., 8., 0.], [ 0., 4., 12., ..

# 군집을 사용한 이미지 분할 import urllib url = "https://raw.githubusercontent.com/rickiepark/handson-ml2/master/images/unsupervised_learning/ladybug.png" urllib.request.urlretrieve(url, "lady.png") # 시각화 from matplotlib.image import imread image = imread("lady.png") image.shape # (533, 800, 3) plt.imshow(image) plt.show() 민들레에 무당벌레가 있는 사진이다. from matplotlib.image import imread image = imread("lady.png") p..

: 비지도 학습의 일종으로 고객분류, 차원 축소, 이상치 탐지, 준지도학습, 이미지 검색, 이미지 분할으로 쓰인다. K-means 알고리즘 : 특정한 임의의 지점을 선택해 그 중심으로 가장 가까운 개체를 선택하는 알고리즘 장점 : 일반적인 군집화에서 가장 많이 활용되는 알고리즘, 알고리즘이 쉽고 간결 단점 : 거리 기반 알고리즘으로 속성의 개수가 많으면 정확도가 떨어진다, 반복횟수가 많을 수록 수행시간 느려진다, 몇 개의 군집을 선택할지 어렵다. # 거리기반이므로 scale from sklearn.preprocessing import scale from sklearn.cluster import KMeans import matplotlib.pyplot as plt import seaborn as sns i..