프로그램 소스

인터넷 영화 리뷰 데이터(IMDB) 구조 파악 코드 from keras.datasets import imdb (x_train, y_train), (x_test, y_test) = imdb.load_data() print("결과 종류:",max(y_train)+1) #0은 부정, 1은 긍정 len_result = [len(s) for s in x_train] print(len_result) word_to_index = imdb.get_word_index() index_to_word={} for key, value in word_to_index.items(): index_to_word[value] = key cnt=0 for iv in X_train[0]: print(index_to_word[iv],end=..

import keras from keras import models, layers from keras import backend from keras import datasets batch_size = 128 epochs = 10 num_classes = 10 #데이터 로딩 (x_train, y_train), (x_test, y_test) = datasets.mnist.load_data() img_rows, img_cols = x_train.shape[1:] if backend.image_data_format() == 'channels_first': x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols) x_test = x_test.resha..

#데이터 로딩 import numpy as np from keras import datasets data_train,data_test = datasets.mnist.load_data() image_train, label_train = data_train image_test, label_test = data_test #데이터 정제화 from keras.utils import np_utils label_train2 = np_utils.to_categorical(label_train) print(label_test[0]) label_test2 = np_utils.to_categorical(label_test) print(label_test2[0]) length,weight,height = image_train..

#mnist 다운로드 및 분석 import numpy as np from keras import datasets data_train,data_test = datasets.mnist.load_data() image_train, label_train = data_train image_test, label_test = data_test print("image_train의 구조:",image_train.shape) print("label_train의 구조:",label_train.shape) print("image_test의 구조:",image_test.shape) print("label_test의 구조:",label_test.shape) colcnt = len(image_train[0]) rowcnt = le..

import pandas as pd from sklearn.cluster import KMeans import matplotlib.pyplot as plt import seaborn as sns df = pd.DataFrame(columns=['x','y']) df.loc[0] = [1,4] df.loc[1] = [1,3] df.loc[2] = [2,5] df.loc[3] = [2,2] df.loc[4] = [1,12] df.loc[5] = [2,13] df.loc[6] = [3,12] df.loc[7] = [4,6] df.loc[8] = [4,8] df.loc[9] = [5,7] print(df) sns.lmplot('x','y',data=df,fit_reg=False,scatter_kws={"s":2..

소스 코드 #분류와 (선형)회귀 import pandas as pd from sklearn import svm from sklearn.linear_model import LinearRegression #y = 2x+1 data = [[0],[2],[5],[7]] label = [1,5,11,15] example = [[1],[4]] print("원하는 결과: 3, 9") clf = svm.SVC() clf.fit(data,label) result = clf.predict(example) print(result) lr = LinearRegression() lr.fit(data,label) result = lr.predict(example) print(result) csv = pd.read_csv('iris..

MainWindows.xaml MainWindow.cs using System.Windows; namespace WPF_WebBrowser_컨트롤_스크립트_오류_방지 { /// /// MainWindow.xaml에 대한 상호 작용 논리 /// public partial class MainWindow : Window { public MainWindow() { InitializeComponent(); } private void Window_Loaded(object sender, RoutedEventArgs e) { System.Windows.Forms.WebBrowser wb = new System.Windows.Forms.WebBrowser(); wfh.Child = wb; wb.ScriptErrorsSu..

#include #include using namespace std; class Calculator { string expr; public: Calculator(string expr) { this->expr = expr; tcnt = 0; } void Run() { cout

EHProcess.h #include using namespace std; class EHProcess { string pname; //프로그램 이름 const int tjob; //전체 작업량 const int cjob; //cpu 점유 시 수행가능 최대 작업량 int ntjob; //현재 남은 작업량 int ncjob; //현재 cpu 점유 시 수행가능 최대 작업량 public: EHProcess(string pname,int tjob,int cjob); void IdleToReady();//Idle 상태에서 Ready 상태로 전이 int Running();//CPU를 점유하여 실행, 남은 작업량 반환 void EndProgram(); //프로세스 종료 }; EHProcess.cpp #include ..

/* https://ehpub.co.kr C++ 예제 - 언제나 휴일 함수 개체 - 회원 컬렉션 연산자 중복 정의 및 개체 출력자 포함 */ #include #include using namespace std; class Member { int num; string name; public: Member(int num, string name) { this->num = num; this->name = name; } int GetNum()const { return num; } string GetName()const { return name; } }; ostream& operator