keras.utils.np_utils.to_categorical(y, num_classes=None, dtype=’float32’)
클래스 벡터(정수들)를 바이너리 클래스 매트릭스로 변환한다.
파라미터
y : 입력 클래스 벡터
num_classes : 총 클래스 수
dtype : 데이터 타입
출력
입력값에 대한 바이너리 행렬
Hyojin Kim's blog
# 경로 설정
data_dir = Path("../input/chest_xray/chest_xray")
train_dir = data_dir/'train'
val_dir = data_dir/'val'
test_dir = data_dir/'test'
def load_train():
normal_cases_dir = train_dir/'NORMAL'
pneumonia_cases_dir = train_dir / 'PNEUMONIA'
# 모든 이미지에 대한 리스트 생성
normal_cases = normal_cases_dir.glob('*.jpeg')
pneumonia_cases = pneumonia_cases_dir.glob('*.jpeg')
# An empty list. We will insert the data into this list in (img_path, label) format
train_data = []
# Go through all the normal cases. The label for these cases will be 0
for img in normal_cases:
train_data.append((img,0))
for img in pneumonia_cases:
train_data.append((img,1))
# Get a pandas dataframe from the data we have in our list
train_data = pd.DataFrame(train_data, columns=['image', 'label'],index=None)
# Shuffle the data
train_data = train_data.sample(frac=1.).reset_index(drop=True)
return train_data
train_data=load_train()
train_data.head()
# Get the counts for each class
cases_count = train_data['label'].value_counts()
print(cases_count)
#plot the results
plt.figure(figsize=(5,5))
sns.barplot(x=cases_count.index, y=cases_count.values)
plt.title('Number of cases', fontsize=14)
plt.xlabel('Case type', fontsize=10)
plt.ylabel('Count', fontsize=1)
plt.xticks(range(len(cases_count.index)), ['Nomal(0)','Pneumonia(1)'])
plt.show()
</br>
사용자 입장에서는 Artist 객체를 다룬다고 생각하면 됩니다. Artist는 primitives와 containers라는 두가지 유형으로 구분할 수 있습니다.
Primitives: Line2D, Rectangle, Text, AxesImage, Patch 등과 같이 캔버스에 그려지는 표준 그래픽 객체 //틀
Containers: Axis, Axes, Figure 등과 같이 이들 primitives가 위치하게 될 대상 //실제 객체
커맨드 방식이 아닌 객체지향 방식으로 그림을 그리는 표준적인 방법은 Figure 객체를 생성하고, 이를 이용해 하나 이상의 Axes 객체를 만들고, Axes 객체의 헬퍼함수로 primitives를 만들어 내는 것입니다.
# Method 1 : Pyplot API(커맨드 방식)를 이용하는 방식
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,1,50)
y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)
plt.plot(x,y1,'r-*',lw=1)
plt.plot(x,y2,'b--',lw=1)
# Method 2 :객체지향 API를 이용하는 방식
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,1,50)
y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)
fig = plt.figure() # 직접 Figure 객체를 생성
ax = fig.subplots() # 직접 axes를 생성
ax.plot(x,y1,'r-*',lw=1) # 생성된 axes에 대한 plot() 멤버 직접 호출
ax.plot(x,y2,'b--',lw=1)
# Method 3 :이 둘을 조합하여 Figure와 Axes를 plt.subpolots()라는 편의 함수를 사용한 방식
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,1,50)
y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)
fig,ax = plt.subplots() # plt.subplots() 편의 함수는 Figure 객체를 생성하고 Figure.subplots()를 호출하여 리턴
ax.plot(x,y1,'r-*',lw=1)
ax.plot(x,y2,'b--',lw=1)