◆ 이미지 데이터 로드
● numpy파일 로드
np.load(데이터)
● 데이터 형태
데이터.shape
(데이터 개수, 행 수, 열 수)
● 데이터 인덱스
데이터[데이터 번호, 행 번호, 열 번호]
● 데이터 이미지 그리기
plt.imshow(fruits[0], cmap='gray') # 컴퓨터가 인식하는 이미지
# 검정일수록 0 / 흰색일수록 258
plt.imshow(fruits[0], cmap='gray_r') # 사람이 보기 편하게
◆ 픽셀 값 분석
● 이미지 형태 변환
fruits.reshape(-1, 100*100) # 100 X 100 를 1 X 10000로 변환
● 데이터 평균
apple.mean(axis=1) # 각 데이터 평균
● 각 평균 값을 히스토그램으로 나타내기
plt.hist(np.mean(apple, axis=1))
● 데이터 위치별 평균으로 막대그래프그리기(데이터별 평균이 아니라)
plt.bar(range(10000), np.mean(apple, axis=0)
● 픽셀의 평균값을 이미지로 그리기
apple_mean = np.mean(apple, axis=0).reshape(100, 100)
plt.imshow(apple_mean, cmap='gray_r')
◆ 평균이미지와 가장 가까운 사진 고르기
● 편차 절대값 평균 구하기
abs_diff = np.abs(fruits - apple_mean)
np.mean(abs_diff, axis=(1,2)) # axis=(1,2) : 데이터 행과 열
● 사과 평균값과 가장 비슷한 사진 출력
np.argsort(abs_mean)[:100] # 오름차순으로 정렬 후 100번까지
for i in range(10):
for j in range(10):
axs[i, j].imshow(fruits[apple_index[i*10 + j]], cmap='gray_r') # 0~99까지 인덱스 그리기
axs[i,j].axis('off') # 축 없애기
'데이터 분석' 카테고리의 다른 글
PCA(주성분분석) (0) | 2023.12.18 |
---|---|
k-평균 알고리즘 (0) | 2023.12.18 |
Ensemble(앙상블)(RandomForest, GB, HGB, XGB, LGBM) (0) | 2023.12.13 |
Cross_Validation(교차검증) & GridSearchCV (0) | 2023.12.13 |
Decision_Tree(의사결정나무) (0) | 2023.12.12 |