기계는 거짓말하지 않는다

Pytorch를 이용한 Multiclass Classification Custom Data feature 5개, label 종류 6개로 이루어진 데이터. 각 label마다 기본 base 값을 토대로 무작위로 생성 (Total 1200개) import pandas as pd dataFrame = pd.read_csv("custom_random_data.csv", delimiter=","); # label 종류 별 feature 표준편차 확인 print(dataFrame.groupby("Name").std()) 표준편차가 큰 F3 feature를 제외한 나머지로 학습을 진행 Custom Dataset, Custom Model class CustomDataset(Dataset): def __init__(sel..

얼마나 분류를 정확하게 했는가에 대한 성능평가 방법으로 Accuracy, Precision, Recall, F1 Score을 사용할 수 있다. Accuracy (TP + TN) / (TP + FP + FN + TN) 실제 맞은 개수 Precision TP / All True Predictions TP / (TP + FP) True라고 예측 한 것 중 실제 값이 True인 것. TP FP 개수 중에 TP가 몇 개인가 실제 True를 얼마나 잘 예측 했는가 Recall TP / All Truths TP / (TP + FN) 실측값 True 중 진짜 True라고 예측 한 것. F1 Score 2 × (Precision × Recall) / (Precision + Recall) Precision, Recall의..

Scikit Learn 라이브러리에서 제공하는 데이터 셋 중 Iris 꽃의 데이터이다. from sklearn.datasets import load_iris iris_dataset = load_iris() print(type(iris_dataset) # sklearn.utils.Bunch print(iris_dataset.keys()) # dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename']) print(iris_dataset['DESCR'][:193]) ''' .. _iris_dataset: Iris plants dataset -------------------- **Data Set Chara..