올라프의 삶

간단한 파이썬 코드 예시를 통해 클래스, 인스턴스, 객체, 메서드 개념을 정리하겠습니다! class Person: def __init__(self, name): self.name = name def say_hello(self): # 메서드 (객체가 사용할 함수) print(f"안녕하세요, 저는 {self.name}입니다.")a = Person("조으니") # 객체 생성a.say_hello() # 메서드 호출 해당 코드에서 Person은 클래스 __init__은 객체가 생성될 때 실행돼서 그 객체 안에 데이터를 저장 a는 인스턴스이자 객체여기서 a만 객체입니다!Person 클래스 하위에 있는 say_hello는 메서드로 객체가 호출할 수 있는 함..

MultiOutputClassifier : 다중 분류 알고리즘 - 하나의 데이터를 여러 속성으로 분류하고 싶을 때 사용 from sklearn.datasets import make_classification from sklearn.multioutput import MultiOutputClassifier from sklearn.ensemble import RandomForestClassifier from sklearn.utils import shuffle import numpy as np X, y_11 = make_classification(n_samples=10, n_features=20, n_informative=14, n_classes=3, random_state=1) y_2 = shuffle(y1,..

설치 pip install deepl 기본 코드 - 텍스트만 넣어서 번역하는 경우와 파일 전체를 번역하는 경우 두 가지 예시 코드 입니다. 텍스트 번역 def text_translation(): auth_key = "deepl API키" translator = deepl.Translator(auth_key) message = 'Dạo này bạn học tiếng Việt không?' result = translator.translate_text(message, target_lang="KO") return result.text 파일 전체 번역 ex 1) def file_context(file_path): with open(file_path, 'r',encoding='UTF8') as f: # file..

설치- pip install googletrans로 설치하면 오류 발생 -> 아래 코드 사용하여 설치pip install googletrans==4.0.0-rc1 googletrans- 무료 파이썬 라이브러리- google translate ajax api- 기본 도메인 : Google 번역 Google 번역사용 중인 브라우저에서는 음성 입력이 지원되지 않습니다.translate.google.co.kr - unlimited 라고 되어있으나 하루 할당량이 있음 (정확하진 않으나 50만자로 예상하고 있음) 기본 코드# -*- coding: utf-8 -*-from googletrans import Translatorimport pandas as pdimport refrom datetime import ..

설치 openai를 설치하지 않은 상태라면 설치하고 코드 실행하시기 바랍니다. (pip install openai로 하면 AttributeError 등의 오류가 뜰 수 있다. 오류 뜨면 uninstall하고 특정 버전(0.28.1)으로 재설치하기) pip install openai==0.28.1 기본 코드 # -*- coding: utf-8 -*- import pandas as pd import openai import os import time import fitz openai.api_key = 'GPT API키' def get_completion(prompt,model="gpt-3.5-turbo"): messages = [{"role": "user", "content": prompt}] respons..

정밀도(Precision) : True라고 분류한 것 중에서 실제 True인 것의 비율 날씨 예측 모델이 맑다로 예측했는데, 실제 날씨가 맑았는지를 살펴보는 지표 재현율(Recall) : 실제 True인 것 중에서 모델이 True라고 예측한 것의 비율 실제 날씨가 맑은 날 중에서 모델이 맑다고 예측한 비율 실제 정답(data)의 입장에서 정답을 정답이라고 맞춘 경우 F1 Score : Precision과 Recall의 조화평균

해결방안 : 'cp949'로 인코딩 import pandas as pd pd.read_csv('C:/Desktop/naver_review_content.csv', encoding='cp949')

While True : 특별한 일이 없는 한 계속해서 반복문을 진행하겠다는 무한 반복문의 의미

▶ 전통적인 RNN의 이러한 단점을 보완한 RNN의 일종 ▶ 은닉층의 메모리 셀에 입력 게이트, 망각 게이트, 출력 게이트를 추가하여 불필요한 기억을 지우고, 기억해야할 것들을 정합니다. ▶ LSTM은 은닉 상태(hidden state)를 계산하는 식이 전통적인 RNN보다 조금 더 복잡해졌으며 셀 상태(cell state)라는 값을 추가하였습니다. ▶ 긴 시퀀스(문장의 길이)의 입력을 처리하는데 탁월한 성능을 보입니다. ▶ 각 게이트는 삭제 게이트, 입력 게이트, 출력 게이트라고 부르며 이 3개의 게이트에는 공통적으로 시그모이드 함수가 존재 ▶ 시그모이드 함수를 지나면 0과 1사이의 값이 나오게 되는데 이 값들을 가지고 게이트를 조절 ▶ 입력 게이트 : 현재 정보를 기억하기 위한 게이트 ▶ 삭제 게이트 ..

▶ 단어 빈도-역 문서 빈도 ▶ 단어의 빈도와 역 문서 빈도(문서의 빈도에 특정 식을 취함)를 사용하여 DTM 내의 각 단어들마다 중요한 정도를 가중치로 주는 방법 ▶ 우선 DTM을 만든 후, TF-IDF 가중치를 부여 ▶ 주로 문서의 유사도를 구하는 작업, 검색 시스템에서 검색 결과의 중요도를 정하는 작업, 문서 내에서 특정 단어의 중요도를 구하는 작업 등에 쓰일 수 있습니다. (1) tf(d,t) : 특정 문서 d에서의 특정 단어 t의 등장 횟수. (2) df(t) : 특정 단어 t가 등장한 문서의 수. (3) idf(d, t) : df(t)에 반비례하는 수. DF의 역수, 여러 문서에서 등장한 단어의 가중치를 낮추는 역할 ▶ TF-IDF는 모든 문서에서 자주 등장하는 단어는 중요도가 낮다고 판단하며..