1) 학습한 내용

1.classification

(1)ROC

-receiver operating characteristic curve

(2)알고리즘

TREE MODEL

Logistic Regression

-더 정확도가 높은 알고리즘을 이용하면 됨

(3)평가지표

Accuracy(CA,정확도) 실제 true를 true라고,실제 false를 false라고 예측한 것의 비율
정확성 100% -> 좋은 의미만은 아니다
-현재 데이터에만 맞는 모델을 만들었을 가능성이 높음
overfit: 너무 과하게 예측 / underfit: 너무 못미치게 예측

2.이미지 분류

여러 이미지들을 분류해나감

3.아나콘다 설치

아나콘다

4.jupyter notebook

Computer Vision and Object Detection

computer vision API를 사용해서 이미지 속에 있는 사물을 인식하는 데모입니다. 네트워크 통신을 위해서 request패키지를 import합니다.

import requests

이미지처리를 위해서 matplotlib.pyplot, Image, BytesIO 세 개의 패키지를 import 합니다. matplotlib.pyplot는 import 할 때 시간이 조금 걸릴 수 있습니다.

import matplotlib.pyplot as plt
from PIL import Image
from io import BytesIO

import json

Subscription Key와 접속에 필요한 URL을 설정합니다.

subscription_key = '234a97e32f8447c19fbf3836053ff32c'

vision_base_url = 'https://daeguaivision00.cognitiveservices.azure.com/vision/v2.0/'

analyze_url=vision_base_url + 'analyze'

image_url = 'https://img1.daumcdn.net/thumb/R1280x0/?scode=mtistory2&fname=http%3A%2F%2Fcfile29.uf.tistory.com%2Fimage%2F222D554655A18D19349EBD'

response = requests.get(image_url)

image=Image.open(BytesIO(response.content))

image