1. matplotlib 파이썬의 대표적인 시각화 도구 가장 먼저 나와서 유명함 pyplot 객체(그림판)을 사용하여 데이터 표시 일단 메모리에 그림을 올려놓고 flush하여 메모리에 올린 그림을 사람에게 보여줌 import matplotlib.pyplot as plt로 부르는 것이 관례 argument,kwarg형태로 받아서 인자가 뭐가있는지 찾기가 어려움 2. plt.plot() plt.plot()은 기본으로 line graph 요즘은 plt.show()안해도 보여준다고는 한다 하나의 판 위에 그림을 계속 쌓아가는 개념이다. 하나의 판 위에 2개의 그림을 그림 1개를 먼저 그리고 다음 그림을 또 그려 쌓아가는거임 3. add_subplot plt.figure()로 figure()객체를 만들고 add_..
1. CNN visualization의 기본 CNN은 단순히 학습가능한 convolution layer와 nonlinear activation의 연속으로 이루어진 연산기 학습을 잘하면 인간 성능 이상으로 좋은 성능을 보이기도 하는데 도대체 왜 잘되는 걸까? 단순히 학습을 하니까? 학습을 통해 convolution filter은 도대체 무엇을 배우길래 잘하는 걸까? 혹은 어떤 경우는 쉽게 안되는 경우도 많고 성능도 잘 안나오는 경우도 많은데 그것은 왜 안되는걸까? CNN이라는 건 입력이 주어지면 출력이 나오는 black box같은 기계로 생각할 수 있다 왜 안되는지 알고자 그 안을 뜯어보면 복잡한 가중치와 복잡한 연결들로 이루어져 사람이 이해하기가 어렵다 만약 CNN안에서 무슨 일이 일어나는지 사람이 이해..
1. 설치 options(repos=c(RStudio='http://rstudio.org/_packages', getOption('repos'))) install.packages('shiny') library(shiny) runExample('01_hello') runExample('02_text') runExample('03_reactivity') runExample()함수로 example 파일을 수행해볼 수 있다 2. 기본 사용 방법 워킹디렉토리 안에 ui.R과 server.R 파일이 들어있어야한다. ui.R은 화면의 구성 server.R은 실제 R에서 구동시키는 코드들이 들어간다. ui.R에서 input, output을 받아와 출력시킴 3. hello_shiny ui.R library(shiny) ..
1. 지오차트 구글비즈 패키지에서 지원하는 지도와 그 위에 데이터를 표시하는 차트 > install.packages('googleVis') > library(googleVis) > data(Exports) > head(Exports) Country Profit Online 1 Germany 3 TRUE 2 Brazil 4 FALSE 3 United States 5 TRUE 4 France 4 TRUE 5 Hungary 3 FALSE 6 India 2 TRUE g1 g2 plot(g2) 해상도 수준도 변경할 수 있다 > require(datasets) > states head(states) state.name Population Income Illiteracy Life.Exp Murder HS.Grad F..
1. multiple axis?? 데이터 생성 > time pop grp med par(mar=c(5,12,4,4)+0.1) 첫번째 그래프 생성하기 축을 지정하지 않은 첫 번째 그래프 생성 plot(time,pop,axes=F, xlim=c(7000,3400), ylim=c(0,max(pop)), xlab='', ylab='',type='l',col='black',main='') 그래프에 점 추가 points()함수로 (time,pop)에 해당하는 위치에 20 크기로 점을 찍는다 points(time,pop,pch=20,col='black') 그래프에 y축 추가 axis()함수로 pop에 해당하는 y축을 추가 axis(2,ylim=c(0,max(pop)),col='black',lwd=2) y축에 이름을 ..
1. 히스토그램 > data(diamonds) > head(diamonds) # A tibble: 6 × 10 carat cut color clarity depth table price x y z 1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43 2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31 3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31 4 0.29 Premium I VS2 62.4 58 334 4.2 4.23 2.63 5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75 6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48 > k k ..
딥러닝/머신러닝, 통계학, IT프로그래밍, 알고리즘을 좋아하는 사람 https://github.com/yundaehyuck
