KPU CE

문제 https://www.acmicpc.net/problem/14889 14889번: 스타트와 링크 예제 2의 경우에 (1, 3, 6), (2, 4, 5)로 팀을 나누면 되고, 예제 3의 경우에는 (1, 2, 4, 5), (3, 6, 7, 8)로 팀을 나누면 된다. www.acmicpc.net 알고리즘 풀이 1. 이차원 배열에 값을 입력받는다. 2. ck라는 boolean배열을 하나 만들어서 숫자를 뽑는 것을 체크한다. 3. 전체탐색을 해주면서 카운트를 1씩 올려준다. 4. 만약 카운트가 N의 절반이되면 팀이 반반으로 나뉜것이기 때문에 능력치를 비교해준다. 1234567891011121314151617181920212223242526272829303132333435363738394041424344454..

교차 검증 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 # K폴드 교차 검증 # K개의 데이터 폴드 세트를 만들어서 K번만큼 각 폴드 세트에 학습과 검증을 반복적으로 수행하는 방법 # 쉽게 말해서 5개의 데이터(1,2,3,4,5)가 한세트라고 할때 K가 5이면 1 2 3 4 5로 데이터 세트를 5개로 나눈 다음에 1 2 3 4 학습 5 검증 -> 1 2 3 5 학습 4 검증 -> ... 이렇게 5번에 학습을 해서 나온 값들을 평균을 내는 것이 K폴드 교차 검증이다. # Stratified K 폴드 # 불균형한 분포도를 가진 레이블 데이터 집합을 위한 K 폴드 방식이다. # 작은 비율로 레이블 값이 있다면 K 폴드로 랜덤하게 학습 및 테스트 세트의 인덱스를 고르더라..

데이터 수집 www.kaggle.com/mirichoi0218/insurance Medical Cost Personal Datasets Insurance Forecast by using Linear Regression www.kaggle.com import pandas as pd data = pd.read_csv('/content/drive/MyDrive/insurance.csv') data.head() 데이터를 불러온다. temp = [] smk = [] for i in range(len(data)): if data.iloc[i]['sex'] == 'female': temp.append(1) elif data.iloc[i]['sex'] == 'male': temp.append(0) if data.ilo..

우리가 흔히 알고있는 XOR문제를 Deep learning으로 훈련시켜 보겠다. import numpy as np from keras.models import Sequential from keras.layers import Dense # 데이터 생성 x_XOR = np.array([[0,0],[0,1],[1,0],[1,1]]) y_XOR = np.array([0,1,1,0]) # 모델생성 model = Sequential() model.add(Dense(2,input_shape = (4,2),activation = 'relu')) model.add(Dense(6)) model.add(Dense(1,activation = 'sigmoid')) #출력층만 sigmoid 설정해줌 # 손실함수 최적화 함수 설정..

Classfication소개 Classification 알고리즘이란 테이터를 학습하여 얻은 결과를 분류하여 나타내는 알고리즘이다. 오늘 소개할 Classification은 Logistic Regression이다 Logistic Regession이란 Training Data 특성과 분포를 나타내는 최적의 직선을 찾고(Linear Regression) 그 직선을 기준으로 위(1) 또는 아래(0)등으로 분류해주는 알고리즘이다. Logistic Regression은 sigmoid function을 사용하고 sigmoid function은 쉽게 말해 x의 값에 어떤 값이 들어와도 0~1사이의 값으로 수렴하는 값을 가지는 함수이다. Classfication 검증 검증 단계에서는 sklearn.metrics impo..

회귀 소개 회귀 분석은 Y = Wx+b 라는 직선(모델)에서 X는 특성(feature)이며 y는 label이다. 이 Y = Wx+b 직선의 X를 넣었을 때 나오는 값을 Y^이라고 하면 label인 Y와 직선에서 나온 예측값의 최소를 구하는 W,b을 설정해주는것이 Linear Rregession에 핵심이다. 그렇다면 x1,x2,x3.... , y1,y2,y3.... 데이터가 있을 때 이것을 제곱 평균식으로 나타내면 다음과 같다. n은 데이터의 갯수이며 loss는 손실함수이다. 이때 loss의 y^을 Wx+b로 표현할 수 있다. 표현한 식은 다음과 같다. 이 loss의 값이 최소가 되게 하는 것이 Linear Regression이다. 그렇다면 x값과 y의 값은 데이터에서 주어지므로 결론적으로는 w,b의 값을..

일단 데이터수집은 해당 사이트에서 수집하였다. https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset Novel Corona Virus 2019 Dataset Day level information on covid-19 affected cases www.kaggle.com 그리고 사용된 csv파일은 time_series_covid_19_confirmed.csv 파일을 사용하였다. import pandas as pd from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt data2 = pd.read_csv('/content/drive/MyD..

그동안 배운 판다스와 넘파이, 머신러닝을 바탕으로 약간 저의 뇌피셜?로 만든 주가 예측 프로그램입니다. colab.research.google.com/drive/1VD0yl4kuGQiZhCsy0ckUXz3VWM3k90-I?usp=sharing Google Colaboratory colab.research.google.com 코렙으로 작성하였고 아직 머신러닝에 대해서 잘 몰라서 이게 맞는지는 모르겠습니다... 만약 지적하실 부분이 있다면 지적해 주십시오!

조상 자손 선택자 ex) ul>li 이면 ul태그 밑에 li태그라는 의미이다. 예시를 코드로 보자. 수업자 명단 김용민 이석진 유현석 이혁주 수업표 자바 파이썬 CSS C++ 보기와 같이 ul 밑에 li만 빨간색으로 된 것을 볼 수 있다. 부모 자식 선택자 아이디 밑에 li만 선택한다. 수업자 명단 김용민 이석진 유현석 이혁주 수업표 자바 파이썬 CSS C++ 쉬는시간 없음 5분 10분 같은 ol이지만 아이디가 같은 ol의 li만 빨간색으로 변한다. 친구 선택자 수업자 명단 김용민 이석진 유현석 이혁주 수업표 자바 파이썬 CSS C++ 쉬는시간 없음 5분 10분 이러면 ol,ul태그 전부 빨간색으로 변한다.

태그 선택자 저번 시간에 한 것이 태그 선택자이다. 예제를 다시보자. hello world! hello world! h1태그를 선택자로 했다. 이러면 h1태그인것들이 전부 해당 색으로 바뀌게 된다. 아이디 선택자 hello world! hello world! 아이디 선택자는 앞에 #을 붙여서 만들어 준다. 첫번째 h1태그를 select로 해주었다. 그러면 실행결과를 보자. 위와 같이 아이디를 설정해준 태그만 색이 바뀐 것을 볼 수 있다. 클래스 선택자 클래스 선택자는 앞에 .을 붙여서 만들어 준다. hello world! hello world! id와 같은 결과가 나온다. 하지만 클래스를 쓰는 이유는 같이 것이 이 웹사이트에서 반복적으로 나온다면 아이디 선택자를 쓰면 안되고 클래스 선택자로 그룹핑을 해줘..