전체 글
-
ML AdaBoost(Adaptive Boosting)ML&DL&AI/ML 2023. 8. 16. 10:15
1. AdaBoost(Adaptive Boosting) 랜덤포레스트처럼 의사 결정 트리 기반의 모델 각각의 트리들이 독립적으로 존재 X - 동작 순서 1. 첫번째 의사 결정 트리를 생성 위쪽 빨간 원이 3개 있는 곳을 대충 분류 2개의 빨간 원과 1개의 녹색 세모가 잘못 구분 2. 잘못된 2개의 빨간 원과 1개의 녹색 세모에 높은 가중치를 부여, 맞은것 (빨간 원 3개와 녹색 세모 4개)에는 낮은 가중치 부여 3. 가중치를 부여한 상태에서 다시 분류 시킴 잘못된 3개의 빨간 원에 높은 가중치를 부여하고 맞은 5개의 녹색 세모는 낮은 가중치를 부여 4. 가중치를 부여한 상태에서 다시 분류 시킴 5. 진행한 분류들을 결합 2. 사용 방법 learning_rata : 학습률 0~1 기본값 : 0.1 n_est..
-
앙상블(Ensemble) 모델ML&DL&AI/ML 2023. 8. 16. 09:20
1. 앙상블(Ensemble) 여러 개의 머신 러닝 모델을 연결하여 더 강력한 모델을 만드는 기법 - 앙상블 모델 방식 voting bagging boosting * boosting방식을 많이 사용한다. 2. Voting 방식 서로 다른 모델을 결합하여 투표를 통해 최종 예측 결과를 결정하는 방식 - 하드 보팅 vs 소프트 보팅 하드 보팅 예측한 결과값들 중 다수의 분류기가 결정한 예측한 값을 최종 보통 결과값으로 선정하는 방식 다수결의 윈칙이라고 생각 소프트 보팅 분류기들의 레이블 값 결정 확률을 모두다 더한 뒤, 평균 해서 확률이 가장 높은 레이블 값을 최종 보팅 결과값으로 선정 3. Bagging 방식 같은 알고리즘으로 여러개의 모델을 만들어서 투표를 통해 최종 예측, 결과를 결정하는 방식 ex) ..
-
ML Decision TreeML&DL&AI/ML 2023. 8. 14. 10:00
1. Decision Tree 란 스무고개 하듯이 예/아니오 질문을 반복하는 학습 특정 기준(질문)에 따라 데이터를 구분하는 모델 분류와 회귀에 모두 사용 가능 - 의사 결정 방향 불순도가 낮아지는 방향 불순도란? 정보 이론에서 얻을 수 있는 정보량의 정도를 뜻함. 하나의 범주 안에 여러종류의 데이터가 속해있으면 불순도가 높아진다. 데이터를 분기할 때 현재 노드보다 자식 노드의 불순도가 감소되도록 분기를 해야 된다. - Root Node, Decision Node, Leaf Node, depth, Sub Tree Root Node : 최상위 노드 Decision : 결정 노드 (사각형의 모양) Leaf Node : 자식이 없는 노드, 단말 노드 Depth : 자신을 제외한 조상의 노드의 개수 Sub tr..
-
One-way reactive data flow 와 Context APIfront-end/React 2023. 8. 11. 14:13
1. 단방향 데이터 흐름(one-way reactive data flow)의 장단점 단방향 데이터의 장점 관리가 용이하다 DOM가 궁합이 좋다 안정성이 보장이 된다. 단방형 데이터 단점 자식요소에서 부모요소로 데이터를 바로 전달할 수 없다 - props로 데이터 전달하면 생기는 문제점은? 최하단 컴포넌트에서 최상단 있는 컴포넌트에 데이터를 전달할 경우 여러 컴포넌트를 연달아서 props를 전달해야 한다(props drillong) 하위 > 상위 데이터 전달하는 과정 복잡하며, 많은 단계를 진행 할수록 실수도 잦아진다. context 라는 데이터 보관함을 통해 전역적으로 관리하는 방법이 나왔다. 2. Context API 장단점 장점 전역 상태 관리에 용이하다. 중첩 컴포넌트에 건편한 전달이 가능하다. 컴..
-
Map, Filter 함수front-end/JavaScript 2023. 8. 10. 09:06
1. map() 함수 배열의 내장 함수 반복 되는 컴포넌트를 렌더링 하기 위해 사용 주어진 함수를 호출한 결과를 모아서 새로운 배열을 생성한다. 배열이름.map(콜백함수) let teacherList = ['AAA', 'BBB', 'CCC', 'DDD'] let teacherRender = teacherList.map(item => {item}) // 일반적인 case console.log(teacherList[0]+"님") // map 함수 let newList = teacherList.map(item => item+'님') console.log(newList) 2. Filter 함수 배열의 각 요소에 대해서 주어진 함수의 결과 값이 ture인 요소들만 모아서 새로운 배열로 반환하는 함수 find의 경..
-
JS function 문법과 매개변수(parameter), addEventListenerfront-end/JavaScript 2023. 8. 9. 22:26
1. function(함수)의 사용하는 이유 재사용성 가독성 모듈화 function 작명(){ 코드내용 } 2. 매개변수(parameter)란 변수의 한 가지 종류이며, 함수 등에서 input의 데이터에 해당된다. 하나의 속성값 또는 object가 될 수 있다. 알림창입니다. function 알림창(작동내용){ document.getElementById('alert').style.display = 작동내용; } 위 코드 창을 열기 닫기를 하는 2가지를 만들 수가 있다. 열기 닫기 알림창('block'); // 창 열기 // document.getElementById('alert').style.display = 'block'; 알림창('none'); // 창 닫기 // document.getElementB..
-
KNN 실습 - 붓꽃(iris) 품종 구분하기ML&DL&AI/ML 2023. 8. 9. 13:56
1. 문제 정의 붓꽃 3가지 품종을 구분하는 모델 만들기 2. 데이터 수집 sklearn에서 제공하는 데이터 셋 이용 from sklearn.datasets import load_iris iris_data = load_iris() - 데이터 확인하기 iris_data.keys() dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename', 'data_module']) data : 특성 데이터 (입력 데이터) 문제 데이터 target : 타깃 데이터(출력 데이터) 답지 데이터 DESCR : 데이터셋에 대한 설명 feature_names : 특성의 이름 target_names : 타깃 클래스의 이름 - 데..
-
WithDAY 팀프로젝트project/team 2023. 8. 9. 09:03
1. 팀프로젝트 개요 프로젝트명 : WithDAY 역할 : 프론트엔드, 백엔드 기술 스택 : HTML, CSS, JS, JAVA, ORACLE DB 프로젝트 기간 : 2023.06.09 ~ 2023.08.01 (7주) - 프로젝트 설명 어린이 자녀가 있는 맞벌이 부부를 위한 일정관리 서비스 WithDAY - 개인 역할 메인화면 프론트 및 백엔드 구현, 집안일 관리 백엔드 구현 풀캘린더 API를 활용한 프론트엔드 & 백엔드 로직을 구현 풀캘린더, 부부브리핑, 가족알림장 연동 모달창 이동 기능 - 프로젝트 문제 해결 및 기여 문제 화면에 있는 다양한 기능들 풀캘린더 가족알림장 부부 브리핑이 독립적으로 작동 사용자의 편의성을 높이기 위해 실시간으로 연동되어야 하는 필요성 해결 각 기능에서 생성된 데이터를 저장..