claovy☘️

7주차 회고기간 : 2025.03.17월~2025.03.21금이번 주차는 딥러닝의 기본이 되는 퍼셉트론~손실함수 원리에 대해 배웠다. 1. 퍼셉트론: 퍼셉트론은 생물학적 뉴런을 모방한 간단한 인공지능 모델AND/NAND/OR 게이트AND 게이트두 입력이 모두 1일 때만 출력이 1이 된다. 퍼셉트론 모델에서는 가중치와 편향 값을 설정하여 이를 구현할 수 있다.NAND 게이트AND 게이트의 출력을 뒤집은 형태로, 두 입력이 모두 1일 때만 출력이 0이 된다.OR 게이트두 입력 중 하나라도 1이면 출력이 1이 된다.test_cases = [(0,0),(0,1),(1,0),(1,1)]class Perceptron: def __init__(self, weights, bias): self.weig..

💡아이디어하노이탑 이동원리를 까먹어서..풀이 블로그를 참고했다n이 원판 개수일 때, 하노이 탑의 이동횟수 공식은 2 ^ (n-1) 이다 a / b / c 번 기둥이 있을 때1 > 1번 기둥에 n개의 원판이 있을때 가장 밑 원판을 제외한 n-1개의 원판을 보조기둥(b번)으로 옮긴다2 > 가장 밑 원판을 목표기둥(c번)으로 옮긴다3 > 보조기둥에 있는 n-1개의 원판을 목표기둥으로 옮긴다 이를 재귀함수로 구현하면 되는 문제였다. # n == 1 일때기둥 1에서 바로 기둥 3으로 옮기면 이동횟수는 1번이다.  # n > 1 일때 풀이 과정입력 : 원판 개수출력 : 이동 횟수 / 이동과정 (n  1. n-1 판을 보조 탑으로 옮김2. 1개 판만 목표 탑으로 옮김3. n-1개의 판을 목표 탑으로 옮김4. 1~3..

아이디어버블정렬을 구현하는 문제로 배열이 충족될 때까지 앞뒤 인덱스를 swap해주면 된다 코드array = list(map(int, input().split()))while array != [1, 2, 3, 4, 5]: for j in range(4): if array[j] > array[j + 1]: array[j], array[j + 1] = array[j + 1], array[j] print(*array)

1. 다차원 배열💡다차원 배열은 여러 개의 차원을 가진 배열로, 2차원 이상의 배열을 의미한다. 인공지능에서는 주로 행렬                 (matrix)  또는 텐서(Tensor)라는 용어를 사용한다 💡또한, 딥러닝에서 자주 다루는 이미지 처리 문제와 관련할 때도 보통 4차원 텐서로 이미지 데이터를 표현한다행렬의 내적다차원 행렬의 내적 복습하기!!https://dscience26.tistory.com/43 03. numpy [연산]💡NumPy는 배열 간의 산술 연산을 지원하며, 이는 벡터화되어 빠르게 수행된다.      배열 간 연산은 기본적으로 원소별(element-wise) 연산을 수행한다.  사칙연산arr_a = np.arange(1, 10).reshape(3, 3)arr_bdsc..

1. 퍼셉트론: 퍼셉트론은 생물학적 뉴런을 모방한 간단한 인공지능 모델AND/NAND/OR 게이트AND 게이트두 입력이 모두 1일 때만 출력이 1이 된다. 퍼셉트론 모델에서는 가중치와 편향 값을 설정하여 이를 구현할 수 있다.NAND 게이트AND 게이트의 출력을 뒤집은 형태로, 두 입력이 모두 1일 때만 출력이 0이 된다.OR 게이트두 입력 중 하나라도 1이면 출력이 1이 된다.test_cases = [(0,0),(0,1),(1,0),(1,1)]class Perceptron: def __init__(self, weights, bias): self.weights = weights self.bias = bias def activate(self, x) : # 퍼셉트론 연산 ..

1. 재귀함수(Recursive Function)함수 안에서 자기 자신을 다시 호출하는 기법함수 호출이 반복되다가 기저조건이 만족되면 호출을 중단하고 결과를 반한환다  재귀함수의 종료 조건재귀 함수를 풀이에 사용할 때는 재귀 함수의 종료 조건을 반드시 명시해야 한다종료조건을 명시하지 않을 시에는 함수가 무한히 호출된다def recursive_fun(): print('재귀함수 호출') recursive_fun() recursive_fun()[출력]재귀함수 호출재귀함수 호출재귀함수 호출재귀함수 호출재귀함수 호출재귀함수 호출재귀함수 호출재귀함수 호출재귀함수 호출......... 재귀함수의 구성기저 조건(종료조건)재귀 호출을 중단하는 조건코드가 무한 루프에 빠지지 않도록 방지하며, 일반전으로 간단한 ..

규제 선형 모델다항식이 복잡해지면서 회귀 계수값이 크게 설정되어 과대적합 유발"선형 모델"의 목적은 비용함수를 최소화하는 것"규제 선형 모델"의 목적은 비용함수를 최소화 하는데에 회귀계수 크기를 제한 (alpha)Ridgefrom sklearn.linear_model import Ridgereg = Ridge(alpha=1)reg.fit(X_train, y_train)print(reg.score(X_train, y_train), reg.score(X_test, y_test))print(reg.coef_)alpha 값을 10으로 준 결과0.7398240895568371 0.6724237562438147[-0.12137453 0.03421897 -0.01307037 1.8210257 -1.6874729..

1. 인코딩Label encorder : 범주형 데이터를 숫자로 변환from sklearn.preprocessing import LabelEncoderitems = ['TV', '냉장고', '세탁기', '컴퓨터', '전기난로', '컴퓨터', 'TV', '믹서기', '컴퓨터']encoder = LabelEncoder()encoder.fit(items)  # 중복값을 제거, 오름차순 정렬encoded_items = encoder.transform(items)encoded_items[출력]array([0, 1, 3, 5, 4, 5, 0, 2, 5]) One-hot encorder : 데이터를 희소배열(특정 인덱스만 값을 가지는 배열)로 변환from sklearn.preprocessing import OneHo..

EDA?: 탐색적 데이터 분석으로, 모델을 적용하기 전 데이터의 특성을 이해하는 과정이다 먼저 데이터를 로드해야 한다. 타이타닉 데이터를 활용해 간단한 EDA를 해보자! 1. 데이터 로드필요한 데이터를 불러온 후 데이터 형태, 분포 등 전반적인 특징을 확인해주자 2. 결측치 및 이상치 탐색 3. 시각화를 통한 데이터 특성 탐색히트맵을 통해 특성별 상관관계를 나타내보았다. 여기서 상관계수는 -1에 가까울수록 관련이 없고, 1에 가까워질수록 관련이 있는 관계임을 뜻한다.  * 하지만 "A와 B의 상관관계가 높다 == A와 B가 연관이 있다." 이지 "A가 증가하면 B가 증가한다" 는 아니다.히트맵은 대각선 기준으로 위아래가 같은 값을 가지므로, 가시성을 위해 반을 제거하여주었다.

5주차 회고기간 : 2025.03.03월~2025.03.07금 이번주차는 데이터분석의 중추인 pandas, matplotlib, 데이터 분석 도구 등을 배웠다. pandasGroup by# 부서별로 그룹핑groupby_dept = df.groupby('department')print(groupby_dept)print(type(groupby_dept))print(groupby_dept.groups)# 두 개 이상의 컬럼으로 그룹핑groupby_dept_job = df.groupby(['department','job'])groupby_dept_job.groups Merge : 특정 컬럼을 기준으로 dataframe 병합# merge()# - on : merge 기준 컬럼 # - how : merge 방법 (..