1. 데이터 준비

1. 거의 비슷하게

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

from sklearn.preprocessing import StandardScaler
from sklearn.datasets import fetch_california_housing

1. 라이브러리 불러오기

california = fetch_california_housing()
df = pd.DataFrame(california.data, columns = california.feature_names)
df["TARGET"] = california.target

1. 토치, 텐서 불러오기

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

1. 캘리포니아 주택 데이터셋을 파이토치 Float텐서로 변환하고 x, y값 나누기

data = torch.from_numpy(df.values).float()
x = data[:,:-1]
y = data[:, -1:]

print(x.shape, y.shape)

• 결과

1. 학습, 검증, 테스트 셋으로 나누기

# 6:2:2가 목표

ratios = [.6, .2, .2]

train_cnt = int(data.size(0)*ratios[0])
valid_cnt = int(data.size(0)*ratios[1])
test_cnt = data.size(0) - train_cnt - valid_cnt
cnts = [train_cnt, valid_cnt, test_cnt]

1. x, y 나누기

• 단, 나누기 전에 데이터를 한번 랜덤으로 셔플해야됨