Home Orange 실습
Post
Cancel

Orange 실습

Orange 실습

실습

다운로드

  • https://orangedatamining.com/download/ 에서 자신의 OS에 맞는 버전 설치

Image Analytics Add-on 설치

  1. 윈도우의 경우 관리자 버전으로 실행
  2. Options -> Add-ons -> Image Analytics 검색, 설치

wine dataset 실습

데이터 불러오기

  1. 좌측 Data 메뉴에서 File 위젯 두개 생성

  1. 파일을 더블 클릭하여 옵셩 창 열고, 다운로드한 데이터 설정

데이터 합치기

  1. 촤즉 Transform 탭에서 Concate 선택

  1. 아래와 같이 연결 후 Concatenate 더블 클릭

두 데이터셋의 컬럼명이 같기 때문에 all variables that appear in input table 을 선택해도 상관없다. 하지만, 다를 경우 위는 합집합, 아래는 교집합이라는 점 참고하자

  1. Append data source IDs 선택
    • Feature name: type

하단의 1599개의 샘플 과4898개의 샘플을 받아 6497개의 샘플로 concatenate 한다는 뜻

데이터 확인

  1. Data 탭에 DataTable 두개 선택(하나는 Concatenate, 하나는 wine red에 연결)

  1. Data Table을 더블 클릭하여 확인

Concatenate:

Wine Red:

  1. Tranform 탭에서 Select Columns 선택하여 Concatenate 와 연결 후 클릭

Target에 type가 있는지 확인, 없다면 드래그 엔 드롭

  1. pH, alchohol, residual sugar만 features로 하고 나머지는 ignore로 옮겨준다

train-test split

  1. Transform 탭에 Data Sampler 연결

  1. Fixed proportion of data 80% 로 바꾼 후 Sample Data 클릭

Cross validation과 Bootstrap도 할 수 있는걸 확인할 수 있다

Modelling

  1. Model 탭에서 SVM, Random Forest, Neural Network 선택하여 연결

  1. 선에 있는 Data Sample -> Data 더블클릭

Remaining Data: Test 데이터로 남겨뒀다는 뜻

Random Forest

Random Forest 더블 클릭하면 No. of trees가 10개로 선택되어 있는걸 확인할 수 있다

  • Number of attributes considered at each split: Feature 수가 3 이니 2로 설정
  • Do not split subsets amller than: 5

Neural Network

  • Neurons in hidden layers: 100개 노드 layer, 50개 노드 layer

Evaluate

  1. Evaluate탭에서 Predictions 생성

  1. 3 model 연결, data sampler에서 test data로 변경

  1. Predictions 더블 클릭해서 결과 확인

AOU: Area Under Curve (accuracy, recall)

개 표정 읽기

데이터 불러오기

  1. Image Analytics 탭에서 Import Images
  2. 데이터셋이 포함된 폴더 선택

데이터 확인

  1. Image Viewer 연결시키고 더블클릭

Modelling

Image Embedding

  • Embedder: 특징 뽑아내는 부분: Inception v3을 써서 feature extraction 진행

R-CNN의 경우 각 영역에 대해 별도로 CNN을 통해 특징을 추출하고, 이후 SVM을 사용하여 객체를 분류했었다

feature extraction하는 구조를 backbone이라고도 부른다

Neural Network

Oranges 단점

  • 대용량 데이터에 부적합
  • 따라서 교육용으로는 훌륭하지만 현업에서는 prototyping 단계에서만 적용

추가

  • Logistic 함수의 최대 기울기: 0.5
  • Hyperbolic Tangent 함수의 최대 기울기: 1
This post is licensed under CC BY 4.0 by the author.

딥러닝 영상처리2

Azure ML Classic