{
  "id": 116775,
  "title": "[HW][YouCheol]",
  "url": "/competitions/2019-fall-pr-project/discussion/116775",
  "author_name": "choi_yu_cheol",
  "post_date": "2019-11-11T11:28:26.323000",
  "votes": 0,
  "comment_count": 0,
  "views": 0,
  "content": "<h3>1</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2Fdd84e31a6c1db13ded413c083562e2d3%2F11.PNG?generation=1573470976992925&amp;alt=media\" alt=\"\">\ntrain 데이터를 불러와서 이미지를 로드한 후에 라벨들을 추출한다. 32,32사이즈에 맞게 변환시키고\nrawImage와 labels 배열에 집어넣는다</p>\n\n<h3>2</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F19d582cfbe153bba3abb7d750a88707b%2F12.PNG?generation=1573470999000171&amp;alt=media\" alt=\"\">\ntrain데이터와 test데이터를 서브 샘플링 하고 randomseed 42로 하고 25% Validation으로 맞췄다.\ntrain이 너무 오래 걸려서 2000장만 활용합니다</p>\n\n<h3>3</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F6d088ce5007708e4021805cc32f3d177%2F13.PNG?generation=1573471020436593&amp;alt=media\" alt=\"\">\nsvm기법을 활용해서 분류기를 설계합니다.</p>\n\n<h3>4</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F23766ba1479cb6d1d364c4ca2faaa7e4%2F14.PNG?generation=1573471042084022&amp;alt=media\" alt=\"\">\ntest데이터를 가져와서 train에서 했던 과정과 동일하게 이미지를 로드하고 클래스 레이블을 추출해서\n이미지를 resize합니다.</p>\n\n<h3>5</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F19e28d0d72ef27873a818cde0e1843a1%2F15.PNG?generation=1573471065056101&amp;alt=media\" alt=\"\">\n분류기를 통해 예측한 값을 통해 정확도를 측정합니다.</p>\n\n<h3>6</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F5f8ac85a735dfb31289cad761ccaa965%2F16.PNG?generation=1573471083574244&amp;alt=media\" alt=\"\">\n개를 1, 고양이를 0으로 라벨값을 변환시켜서 제출합니다.</p>",
  "messages": [
    {
      "id": 670368,
      "postDate": "2019-11-11T11:28:26.323Z",
      "content": "<h3>1</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2Fdd84e31a6c1db13ded413c083562e2d3%2F11.PNG?generation=1573470976992925&amp;alt=media\" alt=\"\">\ntrain 데이터를 불러와서 이미지를 로드한 후에 라벨들을 추출한다. 32,32사이즈에 맞게 변환시키고\nrawImage와 labels 배열에 집어넣는다</p>\n\n<h3>2</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F19d582cfbe153bba3abb7d750a88707b%2F12.PNG?generation=1573470999000171&amp;alt=media\" alt=\"\">\ntrain데이터와 test데이터를 서브 샘플링 하고 randomseed 42로 하고 25% Validation으로 맞췄다.\ntrain이 너무 오래 걸려서 2000장만 활용합니다</p>\n\n<h3>3</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F6d088ce5007708e4021805cc32f3d177%2F13.PNG?generation=1573471020436593&amp;alt=media\" alt=\"\">\nsvm기법을 활용해서 분류기를 설계합니다.</p>\n\n<h3>4</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F23766ba1479cb6d1d364c4ca2faaa7e4%2F14.PNG?generation=1573471042084022&amp;alt=media\" alt=\"\">\ntest데이터를 가져와서 train에서 했던 과정과 동일하게 이미지를 로드하고 클래스 레이블을 추출해서\n이미지를 resize합니다.</p>\n\n<h3>5</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F19e28d0d72ef27873a818cde0e1843a1%2F15.PNG?generation=1573471065056101&amp;alt=media\" alt=\"\">\n분류기를 통해 예측한 값을 통해 정확도를 측정합니다.</p>\n\n<h3>6</h3>\n\n<p><img src=\"https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F5f8ac85a735dfb31289cad761ccaa965%2F16.PNG?generation=1573471083574244&amp;alt=media\" alt=\"\">\n개를 1, 고양이를 0으로 라벨값을 변환시켜서 제출합니다.</p>",
      "rawMarkdown": "###1\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2Fdd84e31a6c1db13ded413c083562e2d3%2F11.PNG?generation=1573470976992925&amp;alt=media)\ntrain 데이터를 불러와서 이미지를 로드한 후에 라벨들을 추출한다. 32,32사이즈에 맞게 변환시키고\nrawImage와 labels 배열에 집어넣는다\n\n\n###2\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F19d582cfbe153bba3abb7d750a88707b%2F12.PNG?generation=1573470999000171&amp;alt=media)\ntrain데이터와 test데이터를 서브 샘플링 하고 randomseed 42로 하고 25% Validation으로 맞췄다.\ntrain이 너무 오래 걸려서 2000장만 활용합니다\n\n\n###3\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F6d088ce5007708e4021805cc32f3d177%2F13.PNG?generation=1573471020436593&amp;alt=media)\nsvm기법을 활용해서 분류기를 설계합니다.\n\n\n###4\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F23766ba1479cb6d1d364c4ca2faaa7e4%2F14.PNG?generation=1573471042084022&amp;alt=media)\ntest데이터를 가져와서 train에서 했던 과정과 동일하게 이미지를 로드하고 클래스 레이블을 추출해서\n이미지를 resize합니다.\n\n\n###5\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F19e28d0d72ef27873a818cde0e1843a1%2F15.PNG?generation=1573471065056101&amp;alt=media)\n분류기를 통해 예측한 값을 통해 정확도를 측정합니다.\n\n\n###6\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F5f8ac85a735dfb31289cad761ccaa965%2F16.PNG?generation=1573471083574244&amp;alt=media)\n개를 1, 고양이를 0으로 라벨값을 변환시켜서 제출합니다."
    }
  ],
  "comments": [],
  "raw_markdown_by_id": {
    "670368": "###1\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2Fdd84e31a6c1db13ded413c083562e2d3%2F11.PNG?generation=1573470976992925&amp;alt=media)\ntrain 데이터를 불러와서 이미지를 로드한 후에 라벨들을 추출한다. 32,32사이즈에 맞게 변환시키고\nrawImage와 labels 배열에 집어넣는다\n\n\n###2\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F19d582cfbe153bba3abb7d750a88707b%2F12.PNG?generation=1573470999000171&amp;alt=media)\ntrain데이터와 test데이터를 서브 샘플링 하고 randomseed 42로 하고 25% Validation으로 맞췄다.\ntrain이 너무 오래 걸려서 2000장만 활용합니다\n\n\n###3\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F6d088ce5007708e4021805cc32f3d177%2F13.PNG?generation=1573471020436593&amp;alt=media)\nsvm기법을 활용해서 분류기를 설계합니다.\n\n\n###4\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F23766ba1479cb6d1d364c4ca2faaa7e4%2F14.PNG?generation=1573471042084022&amp;alt=media)\ntest데이터를 가져와서 train에서 했던 과정과 동일하게 이미지를 로드하고 클래스 레이블을 추출해서\n이미지를 resize합니다.\n\n\n###5\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F19e28d0d72ef27873a818cde0e1843a1%2F15.PNG?generation=1573471065056101&amp;alt=media)\n분류기를 통해 예측한 값을 통해 정확도를 측정합니다.\n\n\n###6\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F3504323%2F5f8ac85a735dfb31289cad761ccaa965%2F16.PNG?generation=1573471083574244&amp;alt=media)\n개를 1, 고양이를 0으로 라벨값을 변환시켜서 제출합니다."
  }
}