{
  "id": 116757,
  "title": "[HW]BaekSohyeon.P4",
  "url": "/competitions/2019-fall-pr-project/discussion/116757",
  "author_name": "백소현",
  "post_date": "2019-11-11T08:49:49.916000",
  "votes": 0,
  "comment_count": 0,
  "views": 0,
  "content": "<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F9518626f858d68087b98b413acb8ae12%2F1.JPG?generation=1573462048761407&amp;alt=media\" alt=\"\">\n- x값에 이미지를 배열로 32X32로 저장하고 y값에 파일의 이름 (dog, cat)을 저장합니다. y값의 파일 이름에서 dog일 경우 1으로,  cat일 경우 0으로 이름을 바꿔 저장합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F1d64afb103b719a0dc5b0fe96b9ef57b%2F2.JPG?generation=1573462075594187&amp;alt=media\" alt=\"\">\n- x값을 1D 벡터로 저장한 뒤 train 데이터를 train과 test 데이터로 나눠 저장합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F7b36183438ef7f66470b2e449dd16ef1%2F3.JPG?generation=1573462116931716&amp;alt=media\" alt=\"\">\n- 분류기를 설정합니다. balanced를 사용하여 편형된 데이터를 바로잡고 C와 gamma 파라미터 값을 변경하여 최적의 값을 설정합니다. 설정된 분류기에 train 데이터를 넣어 학습한 뒤 test 데이터를 넣어 예측값을 정합니다. 다음 test의 y 데이터와 예측값을 비교하여 정확도를 확인하고 분류기의 성능을 확인합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F3ccc6370a51d3d96e71a54b343a08d48%2F4.JPG?generation=1573462137769981&amp;alt=media\" alt=\"\"></p>\n\n<ul>\n<li>test 데이터를 다운로드 받은 뒤 위와 같이 x값에 이미지를 배열로 32X32로 저장하고 y값에 파일의 이름 (dog, cat)을 저장합니다. x 데이터를 분류기에 너히 위해 1D 벡터로 저장합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F1f83ffbddd8e806b8a78c50f2c9df94d%2F5.JPG?generation=1573461943521384&amp;alt=media\" alt=\"\"></li>\n<li>분류기에 test 데이터를 저장하고 예측값을 결정합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2Fed025e865d3858a295e86c8a71c5d62f%2F6.JPG?generation=1573461989626744&amp;alt=media\" alt=\"\"></li>\n<li>결과값을 데이터로 저장합니다.</li>\n</ul>",
  "messages": [
    {
      "id": 670272,
      "postDate": "2019-11-11T08:49:49.917Z",
      "content": "<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F9518626f858d68087b98b413acb8ae12%2F1.JPG?generation=1573462048761407&amp;alt=media\" alt=\"\">\n- x값에 이미지를 배열로 32X32로 저장하고 y값에 파일의 이름 (dog, cat)을 저장합니다. y값의 파일 이름에서 dog일 경우 1으로,  cat일 경우 0으로 이름을 바꿔 저장합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F1d64afb103b719a0dc5b0fe96b9ef57b%2F2.JPG?generation=1573462075594187&amp;alt=media\" alt=\"\">\n- x값을 1D 벡터로 저장한 뒤 train 데이터를 train과 test 데이터로 나눠 저장합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F7b36183438ef7f66470b2e449dd16ef1%2F3.JPG?generation=1573462116931716&amp;alt=media\" alt=\"\">\n- 분류기를 설정합니다. balanced를 사용하여 편형된 데이터를 바로잡고 C와 gamma 파라미터 값을 변경하여 최적의 값을 설정합니다. 설정된 분류기에 train 데이터를 넣어 학습한 뒤 test 데이터를 넣어 예측값을 정합니다. 다음 test의 y 데이터와 예측값을 비교하여 정확도를 확인하고 분류기의 성능을 확인합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F3ccc6370a51d3d96e71a54b343a08d48%2F4.JPG?generation=1573462137769981&amp;alt=media\" alt=\"\"></p>\n\n<ul>\n<li>test 데이터를 다운로드 받은 뒤 위와 같이 x값에 이미지를 배열로 32X32로 저장하고 y값에 파일의 이름 (dog, cat)을 저장합니다. x 데이터를 분류기에 너히 위해 1D 벡터로 저장합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F1f83ffbddd8e806b8a78c50f2c9df94d%2F5.JPG?generation=1573461943521384&amp;alt=media\" alt=\"\"></li>\n<li>분류기에 test 데이터를 저장하고 예측값을 결정합니다.\n<img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2Fed025e865d3858a295e86c8a71c5d62f%2F6.JPG?generation=1573461989626744&amp;alt=media\" alt=\"\"></li>\n<li>결과값을 데이터로 저장합니다.</li>\n</ul>",
      "rawMarkdown": "![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F9518626f858d68087b98b413acb8ae12%2F1.JPG?generation=1573462048761407&amp;alt=media)\n- x값에 이미지를 배열로 32X32로 저장하고 y값에 파일의 이름 (dog, cat)을 저장합니다. y값의 파일 이름에서 dog일 경우 1으로,  cat일 경우 0으로 이름을 바꿔 저장합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F1d64afb103b719a0dc5b0fe96b9ef57b%2F2.JPG?generation=1573462075594187&amp;alt=media)\n- x값을 1D 벡터로 저장한 뒤 train 데이터를 train과 test 데이터로 나눠 저장합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F7b36183438ef7f66470b2e449dd16ef1%2F3.JPG?generation=1573462116931716&amp;alt=media)\n- 분류기를 설정합니다. balanced를 사용하여 편형된 데이터를 바로잡고 C와 gamma 파라미터 값을 변경하여 최적의 값을 설정합니다. 설정된 분류기에 train 데이터를 넣어 학습한 뒤 test 데이터를 넣어 예측값을 정합니다. 다음 test의 y 데이터와 예측값을 비교하여 정확도를 확인하고 분류기의 성능을 확인합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F3ccc6370a51d3d96e71a54b343a08d48%2F4.JPG?generation=1573462137769981&amp;alt=media)\n\n- test 데이터를 다운로드 받은 뒤 위와 같이 x값에 이미지를 배열로 32X32로 저장하고 y값에 파일의 이름 (dog, cat)을 저장합니다. x 데이터를 분류기에 너히 위해 1D 벡터로 저장합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F1f83ffbddd8e806b8a78c50f2c9df94d%2F5.JPG?generation=1573461943521384&amp;alt=media)\n- 분류기에 test 데이터를 저장하고 예측값을 결정합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2Fed025e865d3858a295e86c8a71c5d62f%2F6.JPG?generation=1573461989626744&amp;alt=media)\n- 결과값을 데이터로 저장합니다."
    }
  ],
  "comments": [],
  "raw_markdown_by_id": {
    "670272": "![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F9518626f858d68087b98b413acb8ae12%2F1.JPG?generation=1573462048761407&amp;alt=media)\n- x값에 이미지를 배열로 32X32로 저장하고 y값에 파일의 이름 (dog, cat)을 저장합니다. y값의 파일 이름에서 dog일 경우 1으로,  cat일 경우 0으로 이름을 바꿔 저장합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F1d64afb103b719a0dc5b0fe96b9ef57b%2F2.JPG?generation=1573462075594187&amp;alt=media)\n- x값을 1D 벡터로 저장한 뒤 train 데이터를 train과 test 데이터로 나눠 저장합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F7b36183438ef7f66470b2e449dd16ef1%2F3.JPG?generation=1573462116931716&amp;alt=media)\n- 분류기를 설정합니다. balanced를 사용하여 편형된 데이터를 바로잡고 C와 gamma 파라미터 값을 변경하여 최적의 값을 설정합니다. 설정된 분류기에 train 데이터를 넣어 학습한 뒤 test 데이터를 넣어 예측값을 정합니다. 다음 test의 y 데이터와 예측값을 비교하여 정확도를 확인하고 분류기의 성능을 확인합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F3ccc6370a51d3d96e71a54b343a08d48%2F4.JPG?generation=1573462137769981&amp;alt=media)\n\n- test 데이터를 다운로드 받은 뒤 위와 같이 x값에 이미지를 배열로 32X32로 저장하고 y값에 파일의 이름 (dog, cat)을 저장합니다. x 데이터를 분류기에 너히 위해 1D 벡터로 저장합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2F1f83ffbddd8e806b8a78c50f2c9df94d%2F5.JPG?generation=1573461943521384&amp;alt=media)\n- 분류기에 test 데이터를 저장하고 예측값을 결정합니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3879317%2Fed025e865d3858a295e86c8a71c5d62f%2F6.JPG?generation=1573461989626744&amp;alt=media)\n- 결과값을 데이터로 저장합니다."
  }
}