패트릭의 개발노트

1. 입력 코드 # 1 list(map(int,input().split()) # 숫자를 띄어쓰기로 구분하여 int type으로 리스트화 한다. # 2 n = int(input())# 변수 n에 int type의 개별 숫자 입력 data = list(map(int,input().split())# 변수 data에 #1의 기능 입력 # 3 n, m, k = map(int, input().split()) # 띄어쓰기로 구분된 각 숫자를 변수 n, m, k에 할당함 # 4 import sys sys.stdin.readline().rstrip()# sys패키지의 stdin기능을 활용하여 input()보다 빠른 입력이 가능 # 5 print(a, b) # print 기본 print(f"str {var}") 2. 활용..

DDL CREATE CREATE DATABASE db_name DEFAULT CHARACTER SET utf8; CREATE TABLE table_name(column_name datatype, ... ); ALTER ALTER TABLE table_name RENAME new_table_name ALTER TABLE table_name ADD COLUMN acolumn_name double; ALTER TABLE table_name MODIFY COLUMN column_name data_type; ALTER TABLE table_name CHANGE COLUMN column_name new_column_name new_data_type; ALTER TABLE table_name DROP COLUMN c..

str = '문자열' x = len(str) for i in range(1, (x // 2)+1):# 문자열 절반의 값을 for문으로 반복 s = str[0:i]# s변수에 i값을 증가시키며 대입 count = int(x / i)# count변수에 문자열이 length를 i의 값으로 나눈값을 대입 # 전체 문자열이 s에 count를 곱한 값과 같다면 s에 반복되는 요소가 들어갔다는 의미이므로 break으로 반복문을 빠져나온다. if (s*count == str): print(s) break 특정한 문자열이 반복되어 있는 경우 반복되는 요소를 출력해준다. 문자열 절반의 값을 for문으로 반복하고 s변수에 i값을 증가시키며 대입한다. count변수에 문자열이 length를 i의 값으로 나눈값을 대입한다. 전..

pwd cd pwd (print working directory) 현재 작업중인 디렉토리 정보 출력 cd (change directory) 경로 이동 절대 경로와 상대 경로로 이동 가능하다. 절대 경로와 상대 경로에 대해 더 자세히 알고싶다면 해당 포스팅 참조 ls (list) 디렉토리 목록 확인 확장자가 txt인 모든 파일을 삭제합니다. 각 파일에 대해서 삭제할 건지 묻습니다. rm *.txt 현재 디렉토리에 있는 모든 파일을 삭제합니다. 각 파일에 대해서 삭제할 건지 묻고, 디렉토리가 있다면 삭제할 수 없다는 메시지가 나옵니다. rm * -f 옵션을 붙이면 삭제할 건지 다시 묻지 않고 바로 삭제합니다. rm -f abc.txt 현재 디렉토리에 있는 모든 파일을 바로 삭제합니다. 디렉토리는 삭제하지 않..

기본 단축키 Command + C : 복사(Copy) Command + X : 오려두기 Command + V : 붙혀넣기 Command + Z : 실행 취소 Control + Space Bar : 한/영 전환 Caps Lock : 언어 전환 바꾸고자 하는 언어 드래그 후 Option + Return (Enter) : 한글을 한자로 바꾸기 Option + Return (Enter) : 한자 입력 Command + Control + Space Bar : 특수 문자 입력 (이모티콘) Command + , : 실행중인 앱 환경 설정 Command + R : 새로고침(Refresh) Command + Tap : 화면 전환 Command + Shift + Z : 되돌리기 Command + Delete : 행 지우기..

Pandas 머신러닝 실습의 대표적인 예제인 타이타닉 데이터를 활용하여 pandas의 활용에 대해 정리하고자 한다.   # 데이터 불러오기import pandas as pdtitanic_df = pd.read_csv('./data/train.csv')print('titanic 변수 type:',type(titanic_df))titanic_df  데이터 개요 확인# 데이터 개요 확인titanic_df.head()print('DataFrame 크기: ', titanic_df.shape)titanic_df.info()titanic_df.describe()  범주형 데이터 개수 출력# value_counts: 범주형 데이터의 개수 출력 value_counts = titanic_df['Pclass'].value_..

머신러닝의 분류성능 평가지표를 공부하며 상당히 헷갈리는 부분이 많았다. 실제 값과 예측 값, 그리고 positive와 negative의 위치가 변하면 TP,TN,FN,FP의 위치도 변하기 때문에 혼동행렬을 보고 바로 성능지표를 계산하기 어려울 때가 생긴다. 또한 다양한 성능지표가 존재하고 분야 별로 그 평가지표의 명칭이 다르기도 해서 용어의 의미가 정리가 잘 되지 않았다. 먼저 머신러닝의 혼동행렬에서 도출되는 대표적인 분류성능 평가지표들의 개념과 그 관계들에 초점을 맞추어 정리해보고자 한다. 그리고 이러한 성능지표들은 통계학에서 배운 가설검정의 개념과 겹치는 부분이 있는데 이를 비교해보며 깊은 이해를 해볼 것이다. 1. 머신러닝의 대표적인 분류성능 평가지표 총정리 1.1 Accuracy(정확도): 실제 ..

0단계: 재귀적 표현 $v_{\pi}(s_{t})=\mathbb{E}_{\pi}[r_{t+1}+\gamma v_{\pi}(s_{t+1})]$ $q_{\pi}(s_{t},a_{t})=\mathbb{E}_{\pi}[r_{t+1}+\gamma q_{\pi}(s_{t+1},a_{t+1})]$ 1단계: $v_{\pi}$와 $q_{\pi}$를 서로를 이용해 표현 $v_{\pi}(s) = \sum_{a\in A}\pi(a|s)q_{\pi}(s,a)$ $\Leftrightarrow s의 밸류 = \sum_{}(s에서 a를 실행할 확률) * (s에서 a를 실행하는 것의 밸류)$ $q_{\pi}(s,a)=r_{s}^{a}+\gamma \sum_{s'\in S}P_{ss'}^{a}v_{\pi}(s')$ $\Leftright..

XOR문제를 해결하는 과정에서 역전파의 적용을 코드로 구현해보고자 한다. $x_{1}$ $x_{1}$ output 0 0 0 0 1 1 1 0 1 1 1 0 기본 값 및 함수 설정 import random import numpy as np random.seed(777) # 입력값 및 타겟값 XOR문제 data = [ [[0, 0], [0]], [[0, 1], [1]], [[1, 0], [1]], [[1, 1], [0]] ] # 실행 횟수(iterations), 학습률(lr), 모멘텀 계수(mo) 설정 iterations=5000 lr=0.1 mo=0.4 XOR문제를 나타내는 입력값과 타겟값을 data에 저장하고 역전파 구현을 위한 변수인 실행 횟수, 학습률, 모멘텀 계수를 설정해주었다. # 활성화 함수 ..

최종적인 성능지표는 다음과 같다. 흰색 칸에 있는 값들이 오버 샘플링 이전 하늘색 칸에 있는 값들이 오버샘플링 이후의 값들이다. 오버샘플링 이후에 정확도와 정밀도는 전체적으로 하락했으나 재현율은 크게 상승하였고 AUC도 상승하였다. 특히 로지스틱 회귀의 경우 오버 샘플링 이후 정확도는 다른 알고리즘들과 비슷한 수준이지만 다른지표들은 확실히 높았다. -의사결정나무 의사결정나무에서는 담보대출기관이 은행인지, 비은행금융기관인지의 여부가 2019년 2020년 공통적으로 가장 중요한 특징으로 나타났다. 반면 담보대출용도_거주주택 구입, 가구주 종사상 지위, 수도권 여부가 2019년에 비해 2020년에 더 중요해진 피처이다. -LightGBM LightGBM에서는 담보대출용도_거주주택 마련, 담보대출기관_은행여부의..