커리까지

코드 참고 사이트 import cvlib as cv from cvlib.object_detection import draw_bbox image_path = 'ball.PNG' im = cv2.imread(image_path) bbox, label, conf = cv.detect_common_objects(im) print(bbox, label, conf) im = draw_bbox(im, bbox, label, conf) cv2.imwrite('result.jpg', im) 이 사진처럼 사람을 식별하고 공을 식별해서 자동으로 득점을 기록하고 어떤 선수가 넣었는지 기록하는 것을 만들어보려고 한다. 이것은 사진이라 이렇게 판별이 가능한 것이고 영상으로는 다음의 링크를 참고해서 하려고 한다. 영상코드 참고사이..

포지션 크롤링 nba-api에서 포지션을 뽑아오려고 했는데 아무리 찾아봐도 안 보여서 그냥 홈페이지에서 크롤링하기로 하였다. position_name = list(nba_injury_merge['name']) position_name 우선 선수이름을 리스트로 만든다. position_dic = {} for name in position_name: position_dic[name] = 0 position_dic 그 다음에 딕셔너리로 만들어서 관리한다. driver.get('https://www.nba.com/players') page = driver.find_elements_by_css_selector('.Toggle_slider__hCMQQ')[0].click(..

eval() 2011~2018년도 딕셔너리를 만들어서 저장해야했다. 그러면 총 8개의 딕셔너리 변수가 선언되어야 한다. 하나씩 코딩하기에 불편하니 for문을 돌려서 딕셔너리를 만들었다. 123456789101112names=[]def setName(cnt): global names for i in range (11,cnt+1): names.append('name_dict_{}'.format(i)) for name1 in names: globals()[name1] = {} for i2 in name_list: globals()[name1][i2] = 0 print(name1) print(globals()[name1]) setName(18) Colored by Color Scriptercs 그러면 이렇게 f..

의사결정나무 예측 필요한 패키지 import from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split, KFold, cross_val_score, cross_validate, GridSearchCV from sklearn.metrics import accuracy_score from sklearn.preprocessing import StandardScaler import sklearn print(sklearn.__version__) 데이터 준비 nba_label = nba_injury_merge['age&..

채점기 사용하러 가기 계기 128화에서 제작진이 직접 채점하는 장면을 보고 받아쓰기 채점기를 만들어보기로 함 이왕 하는거 웹으로 개시하면 좋을 것 같아서 웹까지 구현 개발부문 def answer(answer, answer_출연진,출연진이름): answer_list = list(''.join(str(answer).split(' '))) print('정답 단어 리스트 : ', answer_list) print('정답 중복 포함 단어 리스트 : ', set(answer_list)) answer_출연진_list = list(''.join(str(answer_출연진).split(' '))) print(str(출연진이름)+ &#3..

4. 알고리즘 별 cross_validate 이번에도 팀원 당 1개씩 알고리즘을 찾고 실행해보기로 하였다. 알고리즘 별로 성능을 비교하였다. data = Dataset.load_from_df(df[['userId', 'movieId', 'rating']], reader) svd = SVD() slope = SlopeOne() nmf = NMF() bsl_options = {'method': 'als', 'n_epochs': 5, 'reg_u': 12, 'reg_i': 5 } als = BaselineOnly(bsl_options=bsl_options) als_result = cross_val..

1. 시작 4차산업혁명 서비스 빅데이터 실무 과정 세미프로젝트 주제로 영화추천을 하기로 하였다. (1) 검색 영화 추천을 만들기 위하여 영화 추천에 사용할 데이터를 검색하였다. 구글과 kaggle에서 다음과 같은 데이터를 찾았다. kaggle NetFlix Prize Data movie_titles.csv combined_data_1.txt combined_data_2.txt combined_data_3.txt combined_data_4.txt The Movies Dataset movies_metadata ratings ratings_small 추천 방법 추천 시스템 이란? 사용자의 취향이나 선호의 기반으로 정보를 선별하여 사용자에게 적합한 특정 항목을 선택(information filtering)하여..

데이콘 - KBO 외국인 투수 스카우팅 최적화 경진대회 [연습] 데이터 불러오기 import pandas as pd 외국인역대성적 = pd.read_csv('kbo_yearly_foreigners_2011_2018.csv') 외국인메이저성적 = pd.read_csv('fangraphs_foreigners_2011_2018.csv') 외국인스탯캐스터 = pd.read_csv('baseball_savant_foreigners_2011_2018.csv') 신규외국인성적 = pd.read_csv('fangraphs_foreigners_2019.csv') 신규외국인스텟캐스터 = pd.read_csv('baseball_savant_foreigners_..

데이터 준비 kaggle 2020년까지 NBA Players 정보 2010-2020년까지 NBA 선수들 부상 정보 위키백과 크롤링으로 2010-2020년까지 은퇴 선수 목록 위키백과 NBA 선수 은퇴 정보 크롤링 필요한 패키지 불러오기 1 2 3 4 5 6 from urllib.request import urlopen from bs4 import BeautifulSoup from urllib.request import urlopen from urllib.error import HTTPError from urllib.error import URLError import pandas as pd cs 셀리엄 불러오기 1 2 3 4 from selenium import webdriver import time pa..

Power Bi로 만들어본 영화 추천 시각화 도넛 그래프에서 영화 클릭하면 포스터가 나오도록 구현 4개 알고리즘이나 가중치에서는 영화 클릭하면 해당 영화 포스터와 다른 알고리즘이나 가중치에서 몇 번째로 추천했는지 알 수 있다. 자세한 설명은 github.com/sc303030/SemiProject_Movie_recommendations.git sc303030/SemiProject_Movie_recommendations Contribute to sc303030/SemiProject_Movie_recommendations development by creating an account on GitHub. github.com