본문 바로가기
  • 데이터에 가치를 더하다, 서영석입니다.

전체 글167

삼성헬스 (갤럭시워치) 데이터 분석 #1 https://github.com/rootofdata/AILAB_Sleep-Scoring-Modeling.git GitHub - rootofdata/AILAB_Sleep-Scoring-Modeling Contribute to rootofdata/AILAB_Sleep-Scoring-Modeling development by creating an account on GitHub. github.com 수면 체크를 하는 도중 갤럭시 워치와 연동된 데이터의 값들이 궁금해졌고 갤럭시 워치와 연동된 갤럭시 폰에 있는 워치 데이터들을 가져왔다. 경로 : 갤럭시 삼성 헬스 설정>개인 데이터 다운로드>엑셀 데이터 이 곳에 있는 데이터에 변수명에 대한 설명을 알고 싶어 갤럭시 워치& 삼성 헬스 관련 문의도 넣었지만 무응답이.. 2022. 1. 25.
[2022 동계 인턴십]암예측3 FID 1000 non-null 환자 아이디 IID 1000 non-null 환자 아이디 AGE_B 1000 non-null 나이 SMOK_B 990 non-null 흡연 여부 1:비흡연, 2: 과거 흡연, 3: 흡연자 SMOKA_MOD_B 679 non-null 하루 평균 흡연량 (nan -> 0으로 전처리) ALCO_B 965 non-null 음주 여부 1: 예, 2: 아니오, nan : ? ALCO_AMOUNT_B 915 non-null 1회당 잔수로 환산 ...? EXER_B 927 non-null 1: 예, 2: 아니오 MDM_B 46 non-null . 데이터가 적음 MHTN_B 120 non-null . 데이터가 적음 MLPD_B 28 non-null . 데이터가 적음 PHTN_B 153 n.. 2022. 1. 12.
[동계인턴십] 암 예측 2 features=['STOMA','COLON','LIVER','LUNG','PROST','THROI','BREAC','RECTM'] y_df =df['LUNG'] X_df =df.drop(features, axis=1) from sklearn.model_selection import train_test_split X_train,X_test,y_train,y_test = train_test_split(X_df,y_df,test_size=0.2) from sklearn.tree import DecisionTreeClassifier from sklearn.ensemble import RandomForestClassifier from sklearn.linear_model import LogisticRegress.. 2022. 1. 11.
[2022 동계인턴십] 암 예측 import pandas as pd data=pd.read_csv('C:/Users/dudtj/OneDrive - 숭실대학교 - Soongsil University/Desktop/CL/python/동계인턴십_Data_1000/phenotype_1000.txt',engine="python",sep=" ") print(data.info()) 위 그림과 같이 null값이 데이터의 절반 이상을 차지하는 변수들이 있다. 데이터 보존을 위해 non-null값이 900 이상인 데이터들만 가져와 다시 df로 저장하였다. (1000개의 데이터이므로 90%만 뽑았다.) 이렇게 할 수 있는 이유는 drop시킨 변수들은 암 예측에 중요하지 않다고 판단한 변수들이었기 때문이다. data.columns df=data.loc[:,.. 2022. 1. 10.
Sleep AI Challenge 2021 ver.2 https://github.com/rootofdata/AILAB_Sleep-Scoring-Modeling.git GitHub - rootofdata/AILAB_Sleep-Scoring-Modeling Contribute to rootofdata/AILAB_Sleep-Scoring-Modeling development by creating an account on GitHub. github.com Sleep AI Challenge 2021 ver.2 -적외선 수면 동영상을 이용한 수면 단계 예측 적외선 수면 동영상을 이용하여 30초 간격으로 수면 단계(Wake, Light Sleep(N1, N2), Deep Sleep(N3, REM)) 예측 수면다원검사 중 같이 촬영되는 적외선 수면 동영상은 비접촉식으로 .. 2022. 1. 7.
[논문 1-2] 소비자 웨어러블 장치에서 파생된 원시 가속도 및 광혈류 측정기 심박수 데이터를 사용한 수면 단계 예측 https://github.com/rootofdata/AILAB_Sleep-Scoring-Modeling.git GitHub - rootofdata/AILAB_Sleep-Scoring-Modeling Contribute to rootofdata/AILAB_Sleep-Scoring-Modeling development by creating an account on GitHub. github.com 결과 인구 통계 및 요약 PSG 데이터 조사한 모든 알고리즘에서 동작,심박수 및 클럭 프록시와 같은 모든 기능이 분류기에 대한 입력으로 사용될 때 성능이 가장 좋았다. 조사된 모든 분류자에 대한 수면/각성 분류에 대한 성능 메트릭은 표 2–5에 요약되어 있다. 정확한 수면 시간의 비율(수면이 긍정적인 클래스로 취.. 2022. 1. 6.
[논문 1-1] 소비자 웨어러블 장치에서 파생된 원시 가속도 및 광혈류 측정기 심박수 데이터를 사용한 수면 단계 예측 https://github.com/rootofdata/AILAB_Sleep-Scoring-Modeling.git GitHub - rootofdata/AILAB_Sleep-Scoring-Modeling Contribute to rootofdata/AILAB_Sleep-Scoring-Modeling development by creating an account on GitHub. github.com Sleep stage prediction with raw acceleration and photoplethysmography heart rate data derived from a consumer wearable device Olivia Walch , Yitong Huang, Daniel Forger, Cathy.. 2022. 1. 6.
[2-4]타이타닉 생존자 예측 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline 타이타닉 데이터 : http:///www.kaggle.com/titanic/data titanic_df=pd.read_csv('C:/Users/dudtj/OneDrive - 숭실대학교 - Soongsil University/Desktop/CL/python/파이썬 머신러닝 완벽가이드/titanic_train.csv') titanic_df.head(3) print(titanic_df.info()) print(titanic_df.isnull().sum()) 이를 통해 Age,Cabin,Embarked에 Null값.. 2022. 1. 5.
[#3]데이터 전처리 데이터 인코딩 from sklearn.preprocessing import LabelEncoder items=['TV','냉장고','전자레인지','컴퓨터','선풍기','선풍기','믹서','믹서'] #LabelEncoder를 객체로 생성한 후, fit()과 transform()으로 레이블 인코딩 수행 encoder=LabelEncoder() encoder.fit(items) labels=encoder.transform(items) print('인코딩 변환값:',labels) print('인코딩 클래스:',encoder.classes_) print('디코딩 원본값:',encoder.inverse_transform([4,5,2,0,1,1,3,3])) 원-핫 인코딩(One-Hot Encoding) 각 속성을 분.. 2022. 1. 1.

티스토리툴바