from, import, pip 모음

BABY CAT·2022년 8월 4일
0

python

목록 보기
6/22
 # 기본
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt  # 시각화  # 점그래프, 선그래프

# sklearn
from sklearn.model_selection import train_test_split   #데이터분할
from sklearn.model_selection import GridSearchCV # 모델을 검사해서 최적의 파라미터 값을 찾을 수 있게 도와준다
from sklearn.model_selection import RandomizedSearchCV # 최적파라미터찾기, 모든 경우를 연산하는 그리드서치와는 다르게 라이트하게 작동하는 것이 특징
from sklearn.model_selection import cross_validate # 변수 = cross_validate(모델,x_data,y_data) # 트레인+벨리데이션 셋을 스스로 여러번 나눠서 교차검증한다
from sklearn.preprocessing import MinMaxScaler # 정규화
from sklearn.preprocessing import StandardScaler  # 정규화 (제트스코어)
from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing import OneHotEncoder
from sklearn.metrics import * # metrics하위 라이브러리 전부 부르기
from sklearn.metrics import mean_squared_error,  mean_absolute_error,   r2_score  # 회귀모델의 평가지표 -  ( 실y값, 모델의예측y)
from sklearn.metrics import confusion_matrix  # 혼돈매트릭스
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score #혼돈매트릭스 성능평가
from sklearn.linear_model import  LogisticRegression, LinearRegression  # 선형회귀 모델  #회귀는 보통 스케일링을 안하는 게 좋다  # 로지스틱은 회귀문제를 > 분류 문제로 풀려는 것이다
from sklearn.linear_model import Lasso,  Ridge  # 선형정규화모델?
from sklearn.linear_model import SGDRegressor, SGDClassifier  # 선형회귀 모델
from sklearn.tree import plot_tree # 결정트리 선언,핏 후 plot_tree(결정트리변수) plt.figur(figsize=(숫자,숫자)) plt.show() 로 결정트리를 시각화 한다
from sklearn.tree import DecisionTreeClassifier, DecisionTreeRegressor # 결정트리 모델
from sklearn.ensemble import RandomForestClassifier # 베깅(의사결정트리) 결정트리 모델, 기존 결정트리의 단점을 보완하고 장점은 그대로 가져간다, 의
from sklearn.ensemble import VotingClassifier
from sklearn.neighbors import KNeighborsClassifier  # K 이웃 알고리즘 , 뉴데이터와 근접한 다른 밸류들을 찾아서 y를 예측하는 모델
from sklearn.naive_bayes import GaussianNB # 분류

# tensorflow
from tensorflow.keras import Sequential 
from tensorflow.keras.layers import Dense 
from tensorflow.keras.layers import Flatten  # 입력층 -  뉴런화시킨다 픽처사이즈로 키워준다  벡터사이즈로 안바꿔도 자동으로 바뀐다
from tensorflow.keras.layers import Dropout , Conv2D, MaxPooling2D, Activation, Embedding 
from tensorflow.keras.layers import SimpleRNN, LSTM, GRU, Bidirectional, BatchNormalization  # Bidirectional양방향쉘 # BatchNormalization 배치정규화, RNN쉘에는 배치노말리제이션에 쓰면 안좋다. 입력전부 배치노말이 적용되어 단기기억을 추가적으로 야기시킬 수 있다 절대는 아니다 #드롭아웃과 배치노말리제이션은 처음부터 걸진 않는다.
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from tensorflow.keras.models import load_model , Model # 모델을 가지고 온다 > 로드로 불러온 모델은 weight까지 포함되어 있다
from tensorflow.keras.callbacks import ModelCheckpoint, EarlyStopping # 얼리스탑 :에서 주는 조건: 연속으로 ..
from tensorflow.keras.datasets import boston_housing # 보스턴데이터 회귀문제
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.optimizers import SGD , RMSprop, Adam 
from tensorflow.keras.losses import sparse_categorical_crossentropy,categorical_crossentropy,binary_crossentropy,mean_squared_error # sparse     다중 분류  (여러개 중 하나 선택) # cate       다중 분류  카테고리컬원핫을 할 경우 sparse대신 categori 로 써야한다  , 다중레이블분류 (여러개 중 여러개 선택)   # 아웃풋 카테고리컬 원핫은 이진분류가 아니다 아웃풋의 모양만 바뀐 거고 다중분류다    # 다중레이블은 카테고리컬 원핫필요     # binary    이진 분류 는 bina  (두개 중 하나 선택)   # mse            회귀 는 민스퀘어에러  

# keras
from keras.utils.np_utils import to_categorical  # 아웃풋을 원핫인코딩한다  아웃풋이 여러종일 때 아웃풋을 0과1로 전환  

# nltk, kss, konlpy, okt   # ! pip install kss konlpy
import nltk, kss, konlpy #nltk.download('stopwords')
from nltk.corpus import stopwords # 불용어
from konlpy.tag import Okt # 한국어 단어 토크나이저
 
# scipy
from scipy.special import expit  # 결정함수를 받아서 원소별 1값의 확률을 계산한다
from scipy.special import softmax # 소프트맥스 :0~1사이의 값으로 정규화하며 출력한다. 출력 값들의 총합은 항상 1이 되는 특성을 가졌다
from scipy.stats import randint, uniform  # 랜덤랜드인트랑 조금 다르다 변수로 랜드인트/유니폼을 선언한 후 변수.rvs(사이즈값)까지 입력을 해야 어레이로 랜덤 값을 반환한다 / uniform(0,1).rvs(1000) 이렇게도 가능 0~1사이의 소수를 1000개 뽑는다

# random 
import random # 랜덤
from random import randint, uniform  # randint(a,b) a이상b이하에서 정수 '하나'를 뽑는다 유니폼은 소수하나

# seaborn
import seaborn as sns  # 시본: 종합그래프

# bs4
from bs4 import BeautifulSoup #마크업데이터를정리하는

# re
import re

# tqdm
from tqdm import tqdm # tqdm(묶음)

# torch
import torch # facebook에서 제공하는 딥러닝 도구, numpy와 효율적인 연동을 지원 
import torchvision
import torch.nn as nn
import torch.optim as optim
from torch.optim import lr_scheduler
from torch.utils.data import Dataset,DataLoader
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms, datasets

# 파일 직접 불러오기 업로드
from google.colab import files # files.upload() # api키를 메모장txt로 저장하고 불러오기 업로드

# quote
from urllib.parse import quote #한글로 보낼 때 오류 제거

# requests
import requests # result = requests.get(url), result.status_code, result.text

# 제이슨을 파이썬으로 변환 하기 위한
import json   # res = json.loads(result.text)   # JSON(JavaScript Object Notation), attribute–value pairs / array data types / any other serializable value 로 이루어진 데이터를 전달하기 텍스트를 사용하는 포맷


# 코랩에 구글드라이브 마운트
from google.colab import drive # drive.mount('/content/drive')

# time, datetime
import time # time() 함수 : 현재 Unix timestamp을 소수로 리턴,  정수부는 초단위이고 소수부는 마이크로 초단위
import datetime # datetime.timedelta  : 기간을 표현하기 위해서 사용

# copy
import copy # 복사

# cv2
import cv2

# PIL    
from PIL import Image # PIL 이미지 제어

# EfficientNet : 이미지 분류 최고의 모델   #  ! pip install efficientnet_pytorch
from efficientnet_pytorch import EfficientNet 

0개의 댓글