Warm Developer

1. DFS ( Depth First Search ) _ 깊이 우선 탐색이란? 하나의 경우의 수에 대하여 모든 경우의 수를 조사하면서 해를 찾는 과정으로 깊은 부분을 우선적으로 탐색하는 알고리즘이다. 스택(후입선출)의 자료구조 또는 재귀함수를 활용한다. 위 그래프의 경우 1 -> 2 -> 7 -> 6 -> 8 -> 3 -> 4 -> 5 순서대로 탐색하며 코드로 구현하면 다음과 같다. def dfs(graph, v, visited): visited[v] = True # 현재 노드를 방문 처리 print(v, end=' ') for i in graph[v]: # 현재 노드와 연결된 다른 노드를 재귀적으로 방문 if not visited[i]: dfs(graph, i, visited) graph = [ [ ]..

sklearn.metrics 메소드를 살펴보자 1. confusion matrix 형태의 데이터를 관리한다. : 클래스 분류 결과를 실제(정답) 클래스와 예측 클래스를 축으로 가진 형태 sklearn.metrics.confusion_matrix(y_true, y_pred, *, labels=None, sample_weight=None, normalize=None) 실제 클래스 예측 클래스 TP ( True Positive ) T T TN ( True Negative ) F F FP ( False Positive ) F T FN ( False Negative ) T F -- case 1 ( 예측 : 행 / 실제 : 열 ) 0 : Negative / 1 : Positive 0 1 0 TN FP 1 FN TP..

scikit-learn 모듈을 사용하여 머신러닝을 구현해보자 머신러닝 구현 단계 1단계 : 데이터 수집 및 전처리 2단계 : 데이터 분할 - sklearn.model_selection.train_test_split : 목적 데이터를 분할 3단계 : 모델 지정 - ex) sklearn.ensemble.RandomForestClassifier -> sklearn.ensemble.* 등 모델 사용 4단계 : 모델 학습 - model.fit( X, y ) 5단계 : 테스트 및 평가 : model.predict( ) , sklearn.metrics. * 정답률 : accuracy_score( ) 적합율 : precision_score( ) 재현율 : recall_score( ) 평가지표 산출률 : Classifi..

탐색이란? 많은 데이터 속에서 원하는 데이터를 찾는 것 탐색의 종류 완전탐색 이분탐색 깊이우선 탐색 너비우선 탐색 문자열 탐색 KMP BM 1. 완전탐색 - 브루트 포스라고도 불리며 컴퓨터의 빠른 계산 성능을 활용하여 가능한 모든 경우의 수를 탐색, 효율성 관점에서 최악의 방법 1-1. 반복문 def solution(trump): for i in range(len(trump)): if trump[i] == 8 : return i return -1 1-2. 재귀함수(동적계획법, 백트래킹, 탐욕법) - 무한루프에 빠질 수 있음에 주의! def solution(trump, loc): if trump[loc] == 8 : return loc else : return solution(trump, loc+1) 2...

개요 : 소셜이커머스 1위인 쿠팡의 과일 이미지를 크롤링하여 이미지 기반 분석 프로그램을 제작함 팀명 : Goofanaka 팀원 : 손기훈 김동건 유주아 김은찬 개발 기간 : 2020년 12월 22일 ~ 2021년 1월 10일 개발언어 : python 크롤링 : Beautifulsoup 데이터베이스 : MongoDB, Mongoengine 분석 및 시각화 : Pandas, jupyter notebook, matplotlib Gui tool : PyQT Git, Github 담당 역할 : 프로그램 개발 : 크롤러 제작, 프로그램 패키지화, GUI 제작 깃허브 : github.com/Goofanaka/image_tagging 총평 - 처음으로 시도해보는 python 프로젝트였다. crawling 이라는 단어..

스택(Stack)이란? 쌓다 라는 의미를 가지며 LIFO(Last In First Out) 후입선출 구조를 가진다. 삽입 : push 삭제 : pop Python Stack 직접 구현 >>> s = [ ] >>> s.append(1) >>> s.append(5) >>> s.append(10) >>> print("my stack : ", s) my stack : [ 1, 5, 10 ] >>> print(s.pop()) 10 >>> print("my stack : ", s) my stack : [ 1, 5 ] >>> print(s[-1]) 5 >>> print("my stack : ", s) my stack : [ 1, 5 ] list.pop( ) : 리스트의 마지막 인덱스 값을 리턴 후 삭제 list[-1..

머신러닝이란? 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야 y = f(x) y : 출력변수, 종속변수, 반응 변수 f : 모형(알고리즘) x : 입력변수,독립변수, feature -> 무엇(X)으로 무엇(Y)을 예측하고 싶을 때 머신러닝 사용 1. 지도학습 : X를 가지고 Y를 예측하는 것 - 회귀 (regression) : 입력 변수 X에 대해서 연속형 출력 변수 Y를 예측 ex) 주가 예측 - 분류 (classification) : 입력 변수 X에 대해서 이산형 출력 변수 Y(class)를 예측 ex) 공정 불량 여부 탐지 - 서포트 벡터, 결정 트리, 신경망 등 2. 비지도 학습 : 출력 변수(Y)가 존재하지 않고 입력 변수(X)로만 모델링하는 것 - 군집분석(k-Means) :..

백터화 연산이란? 벡터의 같은 인덱스에 위치한 원소(Element-wise)들끼리 연산을 수행하는 것을 의미한다. Numpy에서 지원하는 연산 기능으로 반복문을 사용하지 않고 같은 위치의 값끼리 반복 연산을 가능하게 한다. 단, 배열의 형태가 같아야 연산이 가능하다. 1차원 numpy.ndarray >>> a = np.arange(5) >>> a array([0, 1, 2, 3, 4]) >>> a+a array([0, 2, 4, 6, 8]) 2차원 numpy.ndarray >>> a2 = np.arange(9).reshape(3,3) >>> a2 array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) >>> a2 * 2 array([[ 0, 2, 4], [ 6, 8, 10], [12, ..

문제 설명 길이가 같은 배열 A, B 두개가 있습니다. 각 배열은 자연수로 이루어져 있습니다. 배열 A, B에서 각각 한 개의 숫자를 뽑아 두 수를 곱합니다. 이러한 과정을 배열의 길이만큼 반복하며, 두 수를 곱한 값을 누적하여 더합니다. 이때 최종적으로 누적된 값이 최소가 되도록 만드는 것이 목표입니다. (단, 각 배열에서 k번째 숫자를 뽑았다면 다음에 k번째 숫자는 다시 뽑을 수 없습니다.) 예를 들어 A = [1, 4, 2] , B = [5, 4, 4] 라면 A에서 첫번째 숫자인 1, B에서 두번째 숫자인 5를 뽑아 곱하여 더합니다. (누적된 값 : 0 + 5(1x5) = 5) A에서 두번째 숫자인 4, B에서 세번째 숫자인 4를 뽑아 곱하여 더합니다. (누적된 값 : 5 + 16(4x4) = 21..

문제 설명 String형 배열 seoul의 element중 Kim의 위치 x를 찾아, 김서방은 x에 있다는 String을 반환하는 함수, solution을 완성하세요. seoul에 Kim은 오직 한 번만 나타나며 잘못된 값이 입력되는 경우는 없습니다. 제한 조건 seoul은 길이 1 이상, 1000 이하인 배열입니다. seoul의 원소는 길이 1 이상, 20 이하인 문자열입니다. Kim은 반드시 seoul 안에 포함되어 있습니다. 입출력 예 seoul return ["Jane","Kim"] "김서방은 1에 있다" Solution index( ) : S.index(sub[, start[, end]]) -> int >>> a = "abcdefghiz" >>> a.index('z') 9 >>> a = [ 10..