{
  "id": 116636,
  "title": "[HW] DanGyeong",
  "url": "/competitions/2019-fall-pr-project/discussion/116636",
  "author_name": "DanGyeong",
  "post_date": "2019-11-10T12:32:06.537000",
  "votes": 0,
  "comment_count": 0,
  "views": 0,
  "content": "<ul>\n<li>학습 데이터 준비\nopencv를 이용해서 데이터를 읽으면서,\ndataset_train이 'cat'이면(if 'cat' == i.split('.')[0]) data라는 배열에 32x32로 resize후 1D벡터로 변환하여 저장하고, 라벨을 0으로 지정해줍니다.\n유사하게 'dog'일때도 같은 방법으로 해주고 라벨은 '1'으로 지정해줍니다.</li>\n<li>데이터 셋 서브 샘플링\ntraintestsplit을 이용하여 25% validation으로 train-validation을 나눕니다</li>\n<li>분류기 설계\n개 or 고양이 두개로만 나누면 되기 때문에 Support Vector Machine(SVM)을  kernel=linear로 하여 분류기를 설계합니다.</li>\n<li>테스트 데이터 준비\n학습데이터에서 data를 저장했던 방법과 마찬가지로 32x32로 resize후 1D벡터로 변환하여 result라는 새로운 배열에 테스트 데이터를 저장하고 yfit=model.predict(result) 를 이용해서 yfit에 테스트 데이터의 라벨을 저장해줍니다.</li>\n<li>결과\n5000개의 test데이터를 준비했기 때문에 ID라는 배열에 5000번까지의 인덱스를 저장하고,\nlabel에는  예측한 값 (개=1,고양이는0)이 저장됩니다.\n이 결과를 pandas의 dataframe과 series를 이용하여 형식을 맞추고 csv파일로 저장하여 kaggle에 제출합니다.</li>\n</ul>",
  "messages": [
    {
      "id": 669746,
      "postDate": "2019-11-10T12:32:06.537Z",
      "content": "<ul>\n<li>학습 데이터 준비\nopencv를 이용해서 데이터를 읽으면서,\ndataset_train이 'cat'이면(if 'cat' == i.split('.')[0]) data라는 배열에 32x32로 resize후 1D벡터로 변환하여 저장하고, 라벨을 0으로 지정해줍니다.\n유사하게 'dog'일때도 같은 방법으로 해주고 라벨은 '1'으로 지정해줍니다.</li>\n<li>데이터 셋 서브 샘플링\ntraintestsplit을 이용하여 25% validation으로 train-validation을 나눕니다</li>\n<li>분류기 설계\n개 or 고양이 두개로만 나누면 되기 때문에 Support Vector Machine(SVM)을  kernel=linear로 하여 분류기를 설계합니다.</li>\n<li>테스트 데이터 준비\n학습데이터에서 data를 저장했던 방법과 마찬가지로 32x32로 resize후 1D벡터로 변환하여 result라는 새로운 배열에 테스트 데이터를 저장하고 yfit=model.predict(result) 를 이용해서 yfit에 테스트 데이터의 라벨을 저장해줍니다.</li>\n<li>결과\n5000개의 test데이터를 준비했기 때문에 ID라는 배열에 5000번까지의 인덱스를 저장하고,\nlabel에는  예측한 값 (개=1,고양이는0)이 저장됩니다.\n이 결과를 pandas의 dataframe과 series를 이용하여 형식을 맞추고 csv파일로 저장하여 kaggle에 제출합니다.</li>\n</ul>",
      "rawMarkdown": "- 학습 데이터 준비\nopencv를 이용해서 데이터를 읽으면서,\ndataset_train이 'cat'이면(if 'cat' == i.split('.')[0]) data라는 배열에 32x32로 resize후 1D벡터로 변환하여 저장하고, 라벨을 0으로 지정해줍니다.\n유사하게 'dog'일때도 같은 방법으로 해주고 라벨은 '1'으로 지정해줍니다.\n- 데이터 셋 서브 샘플링\ntraintestsplit을 이용하여 25% validation으로 train-validation을 나눕니다\n- 분류기 설계\n개 or 고양이 두개로만 나누면 되기 때문에 Support Vector Machine(SVM)을  kernel=linear로 하여 분류기를 설계합니다.\n- 테스트 데이터 준비\n학습데이터에서 data를 저장했던 방법과 마찬가지로 32x32로 resize후 1D벡터로 변환하여 result라는 새로운 배열에 테스트 데이터를 저장하고 yfit=model.predict(result) 를 이용해서 yfit에 테스트 데이터의 라벨을 저장해줍니다.\n- 결과\n5000개의 test데이터를 준비했기 때문에 ID라는 배열에 5000번까지의 인덱스를 저장하고,\nlabel에는  예측한 값 (개=1,고양이는0)이 저장됩니다.\n이 결과를 pandas의 dataframe과 series를 이용하여 형식을 맞추고 csv파일로 저장하여 kaggle에 제출합니다.\n"
    }
  ],
  "comments": [],
  "raw_markdown_by_id": {
    "669746": "- 학습 데이터 준비\nopencv를 이용해서 데이터를 읽으면서,\ndataset_train이 'cat'이면(if 'cat' == i.split('.')[0]) data라는 배열에 32x32로 resize후 1D벡터로 변환하여 저장하고, 라벨을 0으로 지정해줍니다.\n유사하게 'dog'일때도 같은 방법으로 해주고 라벨은 '1'으로 지정해줍니다.\n- 데이터 셋 서브 샘플링\ntraintestsplit을 이용하여 25% validation으로 train-validation을 나눕니다\n- 분류기 설계\n개 or 고양이 두개로만 나누면 되기 때문에 Support Vector Machine(SVM)을  kernel=linear로 하여 분류기를 설계합니다.\n- 테스트 데이터 준비\n학습데이터에서 data를 저장했던 방법과 마찬가지로 32x32로 resize후 1D벡터로 변환하여 result라는 새로운 배열에 테스트 데이터를 저장하고 yfit=model.predict(result) 를 이용해서 yfit에 테스트 데이터의 라벨을 저장해줍니다.\n- 결과\n5000개의 test데이터를 준비했기 때문에 ID라는 배열에 5000번까지의 인덱스를 저장하고,\nlabel에는  예측한 값 (개=1,고양이는0)이 저장됩니다.\n이 결과를 pandas의 dataframe과 series를 이용하여 형식을 맞추고 csv파일로 저장하여 kaggle에 제출합니다.\n"
  }
}