반응형 글쓰기 개발기록41 [python] 주파수 신호 분석 방법론 3 - Wavelet 변환 Wavelet Transformwavelet 데이터를 밴드별로 분할시켜서 증폭시킴window length를 바꿔가며 STFT를 여러번 진행하는 개념복잡한 주파수 특성을 가진 신호에 대해 다해상도 분석을 통해 주파수에 관한 정보 획득 → 시간 분해능과 주파수 분해능을 모두 고려 (Wevelet Mother Function을 변화시켜 주파수 해상도나 시간 해상도를 조절) 장점FTF보다 적용범위가 넓음특징요소 추출 자동화 용이전처리 및 특징요소 추출 동시 수행다수 신호에 대한 일괄적인 데이터 가공에 유리 단점데이터 크기에 따라 추출 결과 변함추출되는 특징요소 종류 많음 python 코드모듈 importimport pandas as pdimport numpy as npimport scipy.stats a.. 2024. 11. 26. [python] 주파수 신호 분석 방법론 2 - STFT (Short Time Fourier Transform) STFT (Short Time Fourier Transform)짧은 시간별로 FFT를 수행하여, 일정한 단위시간별 주파수 밀도를 스펙트로그램으로 표현→ 시간에 따른 주파수 변화 확인 가능 시간해상도와 주파수해상도를 일정하게 유지 → Window Function 에 의해 고정 코드라이브러리 importmport pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom scipy import signal #science python : scipyimport math 주파수 f, 각주파수 w 정의# 주파수 입력f1 = 2 f2 = 8f3 = 4f4 = 6f5 = 10# w = 2pi*fw1 = 2*np.pi*f1 w2 = 2*np.pi*f.. 2024. 11. 25. [python] 주파수 신호 분석 방법론 1 - FFT (Fast Fourier Transform) FFT (Fast Fourier Transform): 신호를 다양한 주파수를 갖는 주기함수들로 변환하여, 신호에 대한 주파수 정보제공 Sin, Cos 함수로 주기/진폭이 변형된 다양한 주기함수를 탐색 후, 주파수 기준으로 재배열주로 진동 데이터의 특성 주파수를 찾아내기 위해서 사용주파수에 대한 정보만 파악하기 때문에, 시간에 대한 정보는 알 수 없음 * 주기와 주파수의 관계frequency (주파수/진동수) : 단위시간 동안 진동한 횟수T (주기) : 한 번 진동할 때 걸리는 시간 장점주파수에 따른 분석 용이기계적 원인 분석 용이단점특정 데이터 형태에서 오차 발생주파수 영역별 필터 최적화 필요 코드라이브러리 imoprtimport pandas as pdimport numpy as npimport ma.. 2024. 11. 24. [머신러닝] 지도학습 - Linear Classification 선형분류모델 (로지스틱회귀, SVM) 분류용 선형 모델 (Linear Model - Classification) 𝒚 = 𝒘𝟏𝒙𝟏+𝒘𝟐𝒙𝟐+𝒘𝟑𝒙𝟑+⋯+𝒘𝒑𝒙𝒑+𝒃 > 0특성들의 가중치 합이 0보다 크면, class를 1(양성클래스)로 0보다 작으면 -1(음성클래스)로 분류분류용 선형모델은 결정 경계가 입력의 선형함수w : 가중치, x : 입력값 y : 편향모델Logistic RegressionLinear Support Vector Machine (SVM) Logistic Regression (로지스틱 회귀): 사건이 일어날 가능성(확률)을 예측하는 선형 모델 독립변수(x)와 종속변수(y)의 관계를 로지스틱 함수를 사용하여 확률로 예측입력 데이터에 따른 예측 결과가 0 또는 1로 나뉨 ex) 쇼핑몰 사이트.. 2024. 11. 23. [머신러닝] 지도학습 (Supervised Learning) - Linear Model (Regression 회귀) Linear Model (선형모델)입력 특성에 대한 선형 함수를 만들어 예측데이터를 가장 잘 나타낼 수 있는 회귀식을 모델링다양한 선형 모델 존재분류와 회귀에 모두 사용y= ax+ba : 기울기b : y 절편near Model (선형모델) 선형 회귀 함수𝒚 =𝒘𝟏𝒙𝟏 + 𝒘𝟐𝒙𝟐 + 𝒘𝟑𝒙𝟑 + ⋯ + 𝒘i𝒙i + bw : 가중치(weight), 계수(coefficient)b : 절편(intercept), 편향(bias)평균제곱오차(MSE : Mean Square Error)가 최소가 되는 w와 b를 찾는다 경사하강법 (Gradient Descent Algorithm): 비용함수의 기울기(경사)를 구하여, 기울기가 낮은 쪽으로 계속이동하며 값을 최적화시키는 방법 Le.. 2024. 11. 19. [머신러닝] 지도학습 (Supervised Learning) - Decision Tree 알고리즘 Decision Tree (결정트리)- Tree를 만들기 위해 "예/아니오" 질문을 반복하여 학습하는 의사결정 모델- 다양한 앙상블(ensemble)모델이 존재 (ex. RandomForest, GradientBoosting, XGBoost, LightGBM)- 분류와 회귀에 모두 사용 가능 결정트리새로운 데이터 포인트가 들어오면 해당하는 노드를 찾아, 분류라면 더 많은 클래스를 선택하고, 회귀라면 평균을 구한다지니불순도를 사용하여 데이터 분류의 기준을 잡는다타깃값이 하나로만 이루어진 리프노드를 순수노드(G=0)라고 한다모든 노드가 순수노드가 될 때까지 학습하면, 모델이 복잡해지고 과대적합된다 Gini Impurity (지니 불순도) : 데이터 집합의 불확실성 또는 순도를 수치화한 것 G값이 작을수록.. 2024. 11. 18. [머신러닝] 데이터 특징요소 분류 및 특징요소 추출 데이터 특징요소 종류1. 데이터 진폭 (에너지)Maximum : 최댓값Minimum : 최솟값Mean : 평균값RMS (Root Mean Square) 2. 데이터 분포Variance : 분산Skewness (왜도, 비대칭도) : 분포의 좌우 쏠림 형태를 수치화Kurtosis (첨도) : 본포의 뾰족한 형태를 수치화 3. 데이터 그래프 파형Shape Factor : 파형의 전반적인 모양Crest Factor : 파형의 날카로움 정도 비율Impulse Factor : 임펄스성 신호의 비율 핵심 특징요소 도출 방법론 1. 특징 선택 (Feature Selection)▶ Filter 기법 : 통계 테스트 결과로 상위 특징 선택T test : 두 집단의 평균이 같은지 판별 유의수준(p value)가 1%보다 낮.. 2024. 11. 17. [python] selenium-stealth 셀레늄 감지 방지 (구글 크롬) selenium-stealth로 selenium 우회하기, 셀레늄 막힘 방지 웹사이트에서 셀레늄을 통한 웹 크롤링을 막아놓으면 버튼 클릭, 키 입력 등 element 제어가 되지 않는다 셀레늄 스텔스를 모듈을 사용하여 기존 코드에 아래 코드를 추가해주기만 하면, 셀레늄 감지를 피할 수 있다(+selenium-stealth 모듈은 크롬 브라우저에서 유효하다) selenium-stealth 모듈에 대한 설명은 아래 링크 참조 ↓https://pypi.org/project/selenium-stealth/ selenium-stealthTrying to make python selenium more stealthy.pypi.org 1. cmd에서 셀레늄 스텔스 모듈 설치pip install selenium-ste.. 2024. 11. 15. 인공지능 (AI : Artificial Intelligence) 강한 인공지능 (Strong AI)스스로 사고하여 문제를 해결할 수 있는 인공지능 주관적인 질문과 답을 탐색 약한 인공지능 (Weak AI)스스로 사고하여 문제를 해결할 수 없는 인공지능 → 입력된 질문(데이터)에 대한 객관적인 답을 출력 ex) 지도학습, CNN, RNN, LSTM 머신러닝경험적 데이터를 바탕으로 지식을 자동으로 습득하여 스스로 성능을 향상하는 기술 데이터를 기반으로 모델을 자동으로 생성 실세계의 복잡한 데이터로부터 규칙과 패턴을 발견하여 미래를 예측하는 기술 입출력 데이터로부터 프로그램(알고리즘)을 자동으로 생성하는 기술 머신러닝의 학습 시스템환경 : 학습시스템이 상호작용하는 대상, 학습할 문제데이터 : 환경과 상호작용을 통해 축적된 경험모델 : 데이터를 모델링하는 학습시스템의 구조성.. 2024. 11. 14. 이전 1 2 3 4 5 다음 반응형
