본문 바로가기

분류 전체보기

회귀(Regression)(Feat. 지도 학습(Supervised Learning) 회귀(Regression) 회귀는 통계학과 머신러닝에서 사용되는 용어로, 1 개 이상의 독립변수(x)와 한 개의 종속변수(y) 간의 상관 관계를 분 석하고 예측하는 작업을 말한다. 일반적으로, 하나 이상의 독립 변수(입력)가 종속 변수(출력)에 미치는 영향을 설명하거나 예측할 때 사용 지도 학습(Supervised Learning)에서는 크게 회귀(Regression)과 분류(Classifier), 이 2가지 유형으로 나뉜다. 회귀: 연속된 값(Continuos Value)을 예측할 때 사용 (ex. 아파트 가격 예측, 시험 점수 예측 등) 분류 : 이산적 값(Discrete Value)을 예측할 때 사용(불량품이냐 아니냐, 7개의 라벨값 중 어느 것이냐? 등) 회귀 모델(회귀 함수)의 종류 (하도 헷갈.. 더보기
선형화(Linearization), 선형 회귀(Linear Regression), 선형 분류(Linear classification), 선형 함수 vs 비선형 함수, 선형 모델(Linear Model), 선형 대수학(Linear Algebra), 주성분 분석(PCA), 비선형 주성분 분석(Non-Lin.. [선형](Linear)라는 말은 참 많이 등장한다. [선형~]라는 이름으로 정의되는 각 용어들에 대해 개념적으로 정리를 하겠다. 선형화(Linearization) 결론부터 말하면, 복잡한 정보를 간단한 직선 하나로 표현하는 것이 선형화(Linearization)이라고 한다. 남자 아이가 여자 아이에게 "너의 집은 어디야?"라고 물었다고 해보자 여자는 실제로 집을 가기위해서, 2개의 상점을 거쳐야 한다. 그러나 "나는 2개의 어느 어느 상점을 거치면 집으로 도착해"라고 보통 일상에서는 표현하지 않는다. 시작점에서 도착점(집)까지의 직선적 방향으로 집의 위치를 표현한다. -> 직선 하나로 복잡한 것을 단순하게 설명을 하고 있다. 선형 분류(Linear Classification) 결론부터 말을 하자면, 직선.. 더보기
connected Component Labeling(Feat. OpenCV,4 연결성, 8 연결성) https://swkdn.tistory.com/entry/6-%EC%98%81%EC%83%81%EB%B6%84%ED%95%A0Segmentation-%EC%98%81%EC%83%81%EA%B8%B0%EB%B0%98-%EC%B2%98%EB%A6%AC%EA%B8%B0%EB%B2%95 [6] 영상분할(Segmentation, 영상기반 처리기법) 목표 Image segmentation의 목적 및 필요성 Image segmentation 방법 Image Segmentation => 전체 영상을 객체 또는 의미 있는 객체의 일부 영역의 집합으로 구 분하는 과정 Categories of image segmentation techniques => 영 swkdn.tistory.com https://vision0814.t.. 더보기
cv.namedWindow, cv.setMouseCallback의 관계(Feat, winname, 윈도우 창 구분자) import cv2 as cv import numpy as np import sys img = cv.imread("2.jpg") if img is None: sys.exit("해당 파일을 찾지 못하였습니다.") def drawing(event,x,y,flags,param): global ix,iy if event == cv.EVENT_LBUTTONDOWN: ix,iy = x,y elif event == cv.EVENT_RBUTTONUP: cv.rectangle(img,(ix,iy),(x,y),(0,0,255),2) print("x",x,"y",y) cv.imshow("t2",img) cv.namedWindow("t1") cv.imshow("t1",img) cv.setMouseCallback("tittle.. 더보기
pyinstaller exe 파일 run time error(Feat. cmd, -w 옵션, pyqt5,exe 파일 런타임 에러) pyinstaller는 기본적으로 pyinstaller 프로그램 파일명.py를 하게 되면, 콘솔 창을 기본적으로 띄워 준다. -w 옵션을 사용하면, exe 파일 실행 시, 콘솔 창을 띄우지 않게 할 수가 있다. ( pyinstaller [-w] 프로그램 파일명.py ) 그러나 PyQt를 사용한 exe 파일의 경우 -w를 사용하여 exe 파일을 만들게 되면 Run Time 에러가 발생을 한다. 그 이유는 PyQt를 사용한 GUI 환경인 경우에만 -w를 사용할 수가 있기 때문이다. 콘솔에서만 작동하는 exe 파일인 경우에는 반드시 -w를 제거해야 한다. -w 옵션 이외에도 exe 파일 시 런타임 에러가 나는 이유로서, 프로그램(exe)를 실행할 때, dll이 로딩되어 있지 않은 경우이 다. 나같은 경우 AI.. 더보기
cv.CAP_DSHOW(Feat. DirectShow API,윈도우, Windows) cv.CAP_DSHOW의 DSHOW는 [Direct Show] API의 약자이며, DirectShow는 Microsoft Windows 운영 체제에서 멀티미디어 스트림을 처리하기 위한 아키텍처입니다. 따라서 cv.CAP_DSHOW는 OpenCV에서 Windows 환경에서 DirectShow API를 사용하여 카메라를 캡처하기 위한 상수입 니다. (개발 환경이 리눅스의 경우, cv.CAPDSHOW 설정을 하게 되면 에러가 난다) OpenCV가 DirectShow를 사용하여 카메라를 캡처하도록 지정됩니다. 이것은 일부 특정한 상황에서 필요할 수 있습니다. 예를 들어, 일부 카메라가 DirectShow를 통해 더 잘 작동하거나, 다른 캡처 소스에 액세스할 필요가 없는 경우에 사용될 수 있습니다. 그러나 일반적.. 더보기
표본 평균들의 확률 분포-2 위 문제를 해석해보자 어느 배달업체를 편의 상, A라고 부르겠다. A 배달 업체의 모~든 배달 물품을 전수 조사를 하였더니, 1개의 배달 물품의 배달 시간의 평균이 30분이라고 한다. 이는, 모집단의 조사 결과이며, 확률 변수 X의 값은 배달 시간이라는 뜻이다. 그리고 위 문제에서 모집단이 정규 분포를 따른다고 하였으니, 표본 집단 또한 반드시 정규 분포를 따른다( 1편 참조 ) 문제에서의 표본의 크기(n)은 n=16이며, 아래의 공식들을 활용하여 표본 집단에 대한 N(m,표준편차^2)를 구하여, 표본 집 단에 대한 정규 그래프의 넓이를 이용하여 확률을 구하면 그만이다. 더보기
표본 평균들의 확률 분포-1(Feat. 모집단, 표본 집단, 전수 조사, 표본 조사,임의 추출, 복원 추출) 여론 조사를 할 때에 2가지 방법이 존재한다. 1. 전수 조사 : 대한 민국의 모든 사람들을 대상으로 조사 -> 모집단(population or universe) : 모~~든 것들을 대상으로 조상 우리는 앞으로 모집단을 대상으로 A] 모평균 = m으로 표기 B] 모분산 = 시그마^2로 표기 C] 모표준편차 = 시그마로 표기 -> 이 3가지를 구할 것이다. (모분산, 모표준편차는 고등학교 과정에서는 안 나옴) 2. 표본 조사 : 대한 민국의 모든 사람들 중 일부를 추출하여 조사( 추출 기법에 임의 추출, 복원 추출이 있다. 이건 아래에서 설명) -> 표본 집단(Focus Group) : 표본 집단의 사람이 100명이라면, "표본의 크기"가 100(n=100)이라고 부른다. 우리는 앞으로 표본 집단을 대상으.. 더보기