목록전체 글 (295)
UOMOP
농어(perch) 무게 예측 using "k-최근접 이웃 회귀"
지도 학습에는 분류(Classify), 회귀(Regress)가 있다, "분류"는 종류를 분류하는 것이고, 예를 들어서 도미와 빙어의 데이터로 학습을 한 후에, 새로운 샘플에 대해서 도미인지 빙어인지 확인하는 실습이 있었다. "회귀"는 임의의 숫자를 예측하는 것이고, 예를 들어 데이터를 통해서 학습을 한 후에, 새로운 샘플에 대해서 임의의 특징에 대한 값을 예측하는 실습이 있다. k-최근접 이웃 k-최근접 이웃 분류는 실험 샘플의 주변 중 더 많은 target으로 분류시키는 과정이었다면 k-최근점 이웃 회귀는 실험 샘플의 주변의 데이터를 평균을 내어 target값을 예측한다. 1. 농어의 길이, 무게 데이터를 가져오고 각종 module을 호출 import numpy as np import matplotli..
전처리 과정 中 Scaling의 중요성
1. 데이터를 가지고 와서 input data, target data로 분류 import numpy as np bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0] bream_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 500.0, 340..
KNeighborsClassifier(k-최근접 이웃)의 기본
1. Data 가져오고 matplotlib으로 확인 bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0] bream_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 500.0, 340.0, 600.0, 600.0, 700.0, 700.0, 6..
디지털 변조를 이용한 사진 송수신 using Adalm Pluto
if isempty(ver('wlan')) % Check for WLAN Toolbox install error('Please install WLAN Toolbox to run this example.'); elseif ~license('test', 'WLAN_System_Toolbox') % Check that a valid license is present error( ... 'A valid license for WLAN Toolbox is required to run this example.'); end % Setup handle for image plot if ~exist('imFig', 'var') || ~ishandle(imFig) imFig = figure; imFig.NumberTitle ..
Wave Propagation
Question. z를 0에서 100m의 구간에서 f = 10MHz 경우에 대해서 t = 0, t = 10nsec, 20nsec일 때의 E(z, t)와 H(z, t)를 도시해보시오. clc; clear; close all; a= 1e2; f = 10e6; w = 2*pi*f; E0 = 1; e0 = 1e-9/(36*pi); m0 = 4*pi*1e-7; k = w*sqrt(m0*e0); intrin = (w*m0)/k; H0 = E0/intrin; t1 = 0; t2 = 10e-9; t3 = 20e-9; z = linspace(0, 100, 1e5); E1 = E0*cos(w*t1-k*z); E2 = E0*cos(w*t2-k*z); E3 = E0*cos(w*t3-k*z); H1 = H0*cos(w*t1-k..
Filter 특성 확인 using Matlab
Question. 다음 회로에 대하여 입력전압과 출력전압 사이의 Transfer Function을 구하시오. 차단 주파수가 30KHz가 되도록 소자의 값을 설계한 후 전달함수를 구하고 0~100KHz영역에서 Bode Plot을 도시하시오. Sallen-Key Low-Pass Filter clear all; close all; clc; A = 38e-7; %A는 RC a1 = abs(2*A^2*(1i*2*pi)^2); % s -> j2pi*f a2 = abs(2*A*(1i*2*pi)); % s -> j2pi*f H = tf([1], [a1 a2 1]); bode(H, 0:1e5) Sallen-Key High-Pass Filter clear all; close all; clc; A = 225e-7; C1 =..