🐶짱구와 꾜미 집에 놀러온 용뇽이🦊

2025.02.18 - [개발 Code/인공지능 A.I.] - [Python][AI] 한국 로또 분석: 당첨 확률과 예측의 불가능성2025.02.19 - [개발 Code/인공지능 A.I.] - [Python][AI] 한국 로또 분석: 당첨 번호 분석과 패턴 찾기(EDA)2025.02.24 - [개발 Code/인공지능 A.I.] - [Python][AI] 한국 로또 분석 : 추가 EDA 및 ML 번호 예측 로또 번호 예측을 위한 추가 테스트를 진행하였다. 이번 테스트에서는 머신러닝 기반 모델을 활용하여 로또 당첨 번호를 예측하고, 그 성능을 평가하는 과정을 진행하였다.1. 예측 모델 개요예측을 위해 CatBoost, XGBoost, LightGBM, RandomForest 총 4가지 머신러닝 모델을 사용하..

아내가 임신하여 얼마전에 산부인과를 다녀왔습니다. 아직 1.5cm에 불과한 태아의 심장 소리를 들으니 심정을 이루 말하기 어렵더군요. 병원을 나오고 친구들과 얘기를 나눠보니 심장 소리를 듣고 아들인지 딸인지 판단할 수 있다고 합니다. 기차소리와 비슷하다면 아들, 말발굽 소리가 난다면 딸이라는 얘기를 들어 보셨나요? 이에 호기심이 생겨 연구 결과가 있는지 찾아보았고, 참고할만한 데이터셋과 연구 결과를 찾을 수 있었습니다. 데이터셋과 연구 결과를 소개하고 실습을 진행하며 아들일지 딸일지 판별하는 실습을 진행하고자 합니다.1. Shiraz University Fetal Heart Sounds Database(SUFHSDB) 소개SUFHSDB는 이란 Shiraz University에서 수집한 태아 및 산모의 심..

2025.02.18 - [개발 Code/인공지능 A.I.] - [Python][AI] 한국 로또 분석: 당첨 확률과 예측의 불가능성2025.02.19 - [개발 Code/인공지능 A.I.] - [Python][AI] 한국 로또 분석: 당첨 번호 분석과 패턴 찾기(EDA) 로또 데이터 분석을 통해 당첨 번호의 패턴을 찾아보고, XGBoost를 활용하여 다음 당첨 번호를 예측하는 방법을 소개한다. 이번 분석에서는 홀수/짝수 비율, 낮은 숫자 vs 높은 숫자 비율, 월별 당첨 번호 분석 등을 진행하고, 머신러닝 모델을 활용해 번호를 예측해볼 것이다.1. 홀수 vs 짝수 and 낮은 숫자(1~22) vs 높은 숫자(23~45) 비율 분석로또 당첨 번호에서 홀수와 짝수의 출현 비율을 분석한다.def odd_eve..

최근 인공지능(AI) 모델이 발전하면서 대화형 AI, 챗봇, 문서 요약, 코드 생성 등 다양한 분야에서 자연어 처리(NLP) 기술이 활용되고 있다. 특히, 대형 언어 모델(LLM, Large Language Model)의 성능이 급격히 향상되면서 생성형 AI(Generative AI)의 가능성이 더욱 확대되고 있다. 하지만 이러한 모델에도 몇 가지 한계가 있다.사전 학습 데이터에 의존적임 – LLM은 학습된 데이터 내에서만 정보를 생성할 수 있음. 최신 정보나 외부 문서를 즉각 반영하는 것이 어려움환각(Hallucination) 문제 – 존재하지 않는 정보를 생성할 가능성이 있음정확성 및 신뢰성 부족 – 모델이 사실과 다른 내용을 포함할 수 있음이러한 문제를 해결하기 위해 등장한 기술이 바로 RAG(Re..

2025.02.18 - [개발 Code/인공지능 A.I.] - [Python][AI] 한국 로또 분석: 당첨 확률과 예측의 불가능성 [Python][AI] 한국 로또 분석: 당첨 확률과 예측의 불가능성1. 한국 로또 개념로또는 1부터 45까지의 숫자 중 6개를 선택하는 방식의 복권이다. 구매자는 다음과 같은 방법으로 번호를 선택할 수 있다.자동 선택: 45개의 번호 중 6개 번호를 무작위로 부여받5hr1rnp.tistory.com 본 글에서는 로또 당첨 데이터에 대한 탐색적 데이터 분석(EDA)을 진행하며, 다양한 통계적 특징을 살펴보겠다.1. 데이터 전처리로또 데이터는 동행복권 사이트에서 제공하는 엑셀 파일을 각각 lotto-1.xls(1~600회), lotto-2.xls(601~1,159회)로 저장함..

1. 한국 로또 개념로또는 1부터 45까지의 숫자 중 6개를 선택하는 방식의 복권이다. 구매자는 다음과 같은 방법으로 번호를 선택할 수 있다.자동 선택: 45개의 번호 중 6개 번호를 무작위로 부여받음반자동 선택: 원하는 번호 일부(1~5개)를 직접 선택하고, 나머지는 무작위로 채움수동 선택: 6개 번호를 전부 직접 선택추첨은 매주 토요일 저녁에 진행되며, 6개의 당첨번호와 1개의 보너스번호가 무작위로 결정된다. 보너스번호는 2등 당첨자를 판별하는 데 사용된다.2. 당첨 등급과 확률로또의 당첨은 번호 일치 개수에 따라 5개의 등급으로 나뉨. 각 등급별 당첨 확률과 당첨금 배분 구조는 다음과 같음. 등위당첨 조건당첨 확률당첨금 배분1등6개 번호 일치1 / 8,145,060총 당첨금 중 4등, 5등 제외 금..

2025.02.17 - [개발 Code/인공지능 A.I.] - [Python][AI] OpenCV: 컴퓨터 비전 라이브러리 소개2025.02.17 - [개발 Code/인공지능 A.I.] - [Python][AI] OpenCV YuNet을 활용한 얼굴 탐지2025.02.17 - [개발 Code/인공지능 A.I.] - [Python][AI] OpenCV YuNet을 활용한 얼굴 모자이크 처리 1. 동영상 얼굴 모자이크 개요이전 글에서는 정적인 이미지 또는 디렉토리에서 얼굴을 탐지하고 모자이크를 적용하는 방법을 다루었다. 이번 글에서는 동영상에서 얼굴을 자동으로 탐지하고 모자이크를 적용하는 방법을 다룬다.OpenCV의 YuNet 얼굴 탐지 모델을 활용하여 실시간으로 얼굴을 감지하고, 해당 영역을 모자이크 처리..

2025.02.17 - [개발 Code/인공지능 A.I.] - [Python][AI] OpenCV: 컴퓨터 비전 라이브러리 소개2025.02.17 - [개발 Code/인공지능 A.I.] - [Python][AI] OpenCV YuNet을 활용한 얼굴 탐지 1. 얼굴 모자이크 처리 개요이번 글에서는 OpenCV의 YuNet 모델을 이용하여 이미지에서 얼굴을 자동으로 탐지하고, 해당 영역에 모자이크를 적용하는 방법을 다룰 것이다. 2. 실행 환경 준비OpenCV 설치pip install opencv-python 3. YuNet 얼굴 탐지 모델 다운로드 import osimport requests# YuNet 모델 파일 설정model_filename = "face_detection_yunet_2023mar.o..

2025.02.17 - [개발 Code/인공지능 A.I.] - [Python][AI] OpenCV: 컴퓨터 비전 라이브러리 소개1. YuNet을 이용한 얼굴 탐지 개요OpenCV는 강력한 이미지 처리 기능을 제공하며, cv2.FaceDetectorYN을 이용하면 딥러닝 기반 얼굴 탐지를 간단하게 수행할 수 있다. 이번 글에서는 OpenCV의 YuNet 모델을 사용하여 이미지에서 얼굴을 탐지하는 방법을 다룬다.2. 실행 환경 준비(1) OpenCV 설치YuNet을 사용하려면 opencv-python 패키지만 설치하면 됨. Jupyter Notebook에서 다음 명령어를 실행하여 설치할 수 있음.pip install opencv-python 설치가 완료되면, OpenCV 버전을 확인하여 정상적으로 설치되었는..

1. OpenCV란?OpenCV(Open Source Computer Vision)는 실시간 이미지 처리 및 컴퓨터 비전 애플리케이션을 위한 오픈소스 라이브러리. 인텔에서 개발하고 2000년 6월에 발표되었으며, 현재는 인텔이 손을 뗀 상태다. Python, C++, Java 등을 지원하며, 다양한 운영체제(Windows, Linux, macOS)에서 실행 가능하다.2. OpenCV의 주요 기능OpenCV는 컴퓨터 비전 및 이미지 처리와 관련된 다양한 기능을 제공함.(1) 이미지 및 동영상 처리이미지 읽기, 저장, 변환동영상 재생 및 프레임 처리색공간 변환 (RGB ↔ Grayscale, HSV 등)(2) 필터 및 변환블러링 및 샤프닝엣지 검출 (Canny Edge Detection)기하학적 변환 (회전..

데이터 분석과 머신러닝에서 데이터를 이해하는 것은 매우 중요하다. 특히 데이터의 구조를 파악하는 것은 모델 선택과 해석에 큰 영향을 미친다. 데이터는 크게 선형(linear)과 비선형(non-linear), 단조(monotonic)와 비단조(non-monotonic) 형태로 구분할 수 있다.1. 선형(Linear) 데이터 vs 비선형(Non-Linear) 데이터(1) 선형 데이터 (Linear Data)선형 데이터는 변수 간의 관계가 직선으로 표현될 수 있는 데이터를 의미함. 즉, 한 변수가 증가할 때 다른 변수도 일정한 비율로 증가하거나 감소하는 패턴을 보임.특징데이터가 직선 관계를 따름선형 회귀(Linear Regression) 모델로 쉽게 설명 가능예측이 직관적이며 계산 비용이 낮음예제키와 몸무게가..

AI 모델의 성능을 평가하기 위해 다양한 성능 지표(metrics)가 사용된다. 모델이 얼마나 정확하게 작동하는지, 예측이 얼마나 신뢰할 수 있는지를 평가하는 데 중요한 역할을 하다. 이번 글에서 대표적인 성능 지표들을 소개하겠다.1. 회귀(Regression) 모델 성능 지표회귀 모델은 연속적인 숫자 값을 예측하는 모델이며, 주로 평균 제곱 오차(Mean Squared Error)나 평균 절대 오차(Mean Absolute Error) 등의 지표를 사용함.(1) MSE (Mean Squared Error, 평균 제곱 오차)MSE는 실제 값과 예측 값의 차이를 제곱한 후 평균을 구한 값임. 값이 작을수록 모델의 예측이 실제 값과 가까움을 의미함.장점: 오차를 제곱하여 큰 오차를 강조함단점: 제곱이 적용되..

2025.01.23 - [개발 Code/인공지능 A.I.] - [Python][AI] 탐색적 데이터 분석(EDA) - 와인 품질 데이터셋 (Wine Quality Dataset) - 12025.01.24 - [개발 Code/인공지능 A.I.] - [Python][AI] 탐색적 데이터 분석(EDA) - 와인 품질 데이터셋 (Wine Quality Dataset) - 22025.02.04 - [개발 Code/인공지능 A.I.] - [Python][AI] 탐색적 데이터 분석(EDA) - 와인 품질 데이터셋 (Wine Quality Dataset) - 32025.02.04 - [개발 Code/인공지능 A.I.] - [Python][AI] 탐색적 데이터 분석(EDA) - 와인 품질 데이터셋 (Wine Qualit..

1. CatBoost란?CatBoost는 Yandex에서 개발한 그래디언트 부스팅(Gradient Boosting) 기반 머신러닝 라이브러리로, 의사결정 트리를 기반으로 학습하는 방식이다. 고성능 및 높은 정확도를 자랑하며, 추천 시스템, 검색 엔진, 자율 주행, 날씨 예측 등 다양한 분야에서 사용된다.2. CatBoost의 주요 특징1) 별도 파라미터 튜닝 없이도 우수한 성능기본 설정값으로도 좋은 성능을 발휘함사용자가 복잡한 파라미터 튜닝에 많은 시간을 소비하지 않아도 됨2) 범주형 데이터(Categorical Features) 지원일반적인 머신러닝 모델에서는 범주형 데이터를 숫자로 변환해야 하지만, CatBoost는 자동으로 범주형 데이터를 처리하여 모델 성능을 향상시킴3) 빠르고 확장 가능한 GPU..

1. AutoGluon 개요 및 연혁AutoGluon은 AWS(Amazon Web Services)에서 개발한 AutoML(Automated Machine Learning) 라이브러리로, 머신러닝 모델을 쉽고 빠르게 학습할 수 있도록 지원한다. 2019년 처음 공개되었으며, 최신 SOTA(State-of-the-Art) 모델을 자동으로 활용하여 높은 성능을 제공하는 것이 특징이다. 주요 특징:3줄의 코드로 머신러닝 모델 구축 가능최신 딥러닝 및 머신러닝 기법 자동 적용간편한 배포 및 확장성 제공다양한 데이터 유형 지원(표형 데이터, 이미지, 텍스트, 시계열 등)2. AutoGluon의 주요 기능AutoGluon은 여러 가지 학습 유형을 지원하며, 데이터 유형에 따라 최적의 모델을 자동으로 선택하여 학습할..

2025.02.10 - [개발 Code/인공지능 A.I.] - [Python][AI] Exploratory Data Analysis (EDA) - Wine Quality Dataset - 12025.02.10 - [개발 Code/인공지능 A.I.] - [Python][AI] Exploratory Data Analysis (EDA) - Wine Quality Dataset - 22025.02.10 - [개발 Code/인공지능 A.I.] - [Python][AI] Exploratory Data Analysis (EDA) - Wine Quality Dataset - 3 1. IntroductionIn this section, we will use the XGBoost regression model to pre..

2025.02.10 - [개발 Code/인공지능 A.I.] - [Python][AI] Exploratory Data Analysis (EDA) - Wine Quality Dataset - 12025.02.10 - [개발 Code/인공지능 A.I.] - [Python][AI] Exploratory Data Analysis (EDA) - Wine Quality Dataset - 2 In this section, we will visualize the relationships between variables and identify key patterns in the dataset.Wine Quality Distribution & Correlation Analysis# Library Version# pandas..

2025.02.10 - [개발 Code/인공지능 A.I.] - [Python][AI] Exploratory Data Analysis (EDA) - Wine Quality Dataset - 1 [Python][AI] Exploratory Data Analysis (EDA) - Wine Quality Dataset - 1Exploratory Data Analysis (EDA) is the first step in data analysis, where data is visually explored, summary statistics are examined, and patterns and characteristics of the dataset are identified. In this post, we will ..

Exploratory Data Analysis (EDA) is the first step in data analysis, where data is visually explored, summary statistics are examined, and patterns and characteristics of the dataset are identified. In this post, we will walk through the step-by-step process of exploring data using the Wine Quality Dataset.What is EDA?EDA (Exploratory Data Analysis) is a crucial process for gaining a deeper under..

2025.01.23 - [개발 Code/인공지능 A.I.] - [Python][AI] 탐색적 데이터 분석(EDA) - 와인 품질 데이터셋 (Wine Quality Dataset) - 12025.01.24 - [개발 Code/인공지능 A.I.] - [Python][AI] 탐색적 데이터 분석(EDA) - 와인 품질 데이터셋 (Wine Quality Dataset) - 22025.02.04 - [개발 Code/인공지능 A.I.] - [Python][AI] 탐색적 데이터 분석(EDA) - 와인 품질 데이터셋 (Wine Quality Dataset) - 31. 들어가며이번 글에서는 XGBoost 회귀 모델을 활용하여 와인의 품질을 예측하고, 다양한 기법을 적용하여 성능을 비교해보겠다.단순한 XGBoost 모델을 ..