데이터 시각화
https://blog.naver.com/nbn710/222590856764
보고서 작성방법
1.개요
어떤 데이터, 어떤 모델 사용, 어떤 작업, 결과
흑백 얼굴 영상을 CNN으로 학습하여 6가지 검정을 분류하는 작업을 진행 하였다.
정확도는 49% 였다.
2.데이터 전처리
Kaggle xxx에서 데이터를 다운로드 받았다.
0 ~ 1 의 값으로 normalization 하였다
48 x 48 의 크기로 리사이즈
데이터는 총 35,887개 였으며, trian 데이터화 test 데이터를 8:2 로 나누어 valid 데이터는 따로 두지않고 test 데이터로 사용하였다.
3.모델 구조
CNN을 사용, 필터 크기는 3x3, conv(필터 32개) - maxpoling - conv(필터 64개)- maxpoling - flatten
FC(노드 1024개) - dropout - output의 구조
4.학습 상세
keras 사용, Colab에서 GPU Tesla V100-SXM2 사용
손실함수는 crossentropy, oprimizer는 Adam, batch size는 32, 50 에폭 학습
5.결과
(결과는 팩트이고)
로그 그래프, 정확도 그래프
테스트 데이터에 대한 정확도는 49.9%
ROC 그래프
혼돈 그래프
AUC는 XXX
6.결론
(결론은 결과를보고 우리의 의견이다)
49%의 정확도로 높지 않았다.
특정 카테고리로 편중되는 것 같지는 않다.
모델 구조를 개선하여 성능을 높일 수 있을 것 같다.
예제2
일반적인 프로젝트 목차
팀명 :
INDEX :
1.프로젝트 개요
1-1 대상
1-2 목표
2.프로젝트 진행계획 및 시연
팀원의 역활
진행과정
예상 모습 및 시연
3.문제점 및 해결방안
프로젝트를 진행하면서 어려웠던점 그 부분을 해결한점
4.사용후기 및 질의 응답
프로젝트
1) 연구 목표 설정
2) 데이터 수집
정형화 데이터를 사용할것인지
비정형 데이터를 사용할것인지
가져온 데이터 출처
3) 데이터 준비(데이터 전처리)
정제, 전처리, 데이터생성, 정규화 등등
데이터 전처리를 삭제를 할껀지 다른 값으로 대처할것인지
전처리의 종류 2가지
데이터 분석에 해당하는 전처리
사이킷런에 해당하는 전처리
결측값, 이상값, 중복값 등을 대처
4) 모델구축
1. 예측모델
2. 통계모델
-
머신러닝 모델
- 파이썬의 형태
- 지도학습
- 비지도학습
- 준지도학습
- 강화학습 -
딥러닝 모델
- CNN
- RNN
- GAN
5) 결과 / 결론
