일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
Tags
- ethers type
- 컨트렉트 배포 자동화
- SBT표준
- 머신러닝기초
- ethers
- 스마트컨트렉트 예약어 함수이름 중복
- 오블완
- erc4337
- 러스트기초
- ethers typescript
- ethers v6
- multicall
- 스마트 컨트렉트 함수이름 중복
- 계정추상화
- 러스트 기초
- ethers websocket
- git rebase
- Vue.js
- ambiguous function description
- 스마트컨트렉트테스트
- 티스토리챌린지
- vue기초
- 스마트컨트렉트 함수이름 중복 호출
- 컨트렉트 동일한 함수이름 호출
- erc4337 contract
- rust 기초
- 체인의정석
- chainlink 설명
- Vue
- 러스트 기초 학습
Archives
- Today
- Total
목록다중클래스분류 (1)
체인의정석

plt.plot(line) 로지스틱 회귀를 제외한 많은 선형 분류 모델은 태생적으로 이진 분류만을 지원합니다. 다중클래스는 지원하지 않습니다. 이진 분류 알고리즘을 다중 클래스 분류 알고리즘으로 확장하는 보편적인 기법은 일대다 방법입니다. 일대다 방식은 클래스의 수만큼 이진 분류가 발생하게 됩니다. 3개의 클래스를 가진 데이터셋에 일대다 방식을 적용해 보겠습니다. from sklearn.datasets import make_blobs X,y = make_blobs(random_state=42) mglearn.discrete_scatter(X[:,0],X[:,1],y) plt.xlabel("특성 0") plt.ylabel("특성 1") plt.legend(["클래스 0", "클래스 1", "클래스 2"])..
빅데이터&인공지능/인공지능
2020. 8. 10. 21:42