as_always

DOCTYPE html> 3의 배수인지 확인 var userNumber = prompt("숫자를 입력하세요."); var displayArea = document.querySelector('#result'); if(userNumber != null) { // '취소' 버튼을 클릭하지 않았다면 if (userNumber % 3 === 0) { displayArea.innerHTML = userNumber + "은 3의 배수입니다."; } else { displayArea.innerHTML = userNumber + "은 3의 배수가 아닙니다."; } } else { // '취소' 버튼을 클릭했다면 alert("입력이 취소됐습니다."); }

2. 나이계산하기 CSS :: as_always (tistory.com) 2. 나이계산하기 CSS body { text-align:center; } .btn { margin-top:50px; font-weight: 400; .. always-here.tistory.com DOCTYPE html> 나이 계산하기 나이 계산하기 (결과 값 표시) function calc() { var currentYear = 2019; var birthYear = prompt("태어난 연도를 입력하세요.","YYYY");; var age; age = currentYear - birthYear + 1; document.querySelector("#result").innerHTML = "당신의 나이는 " + age + "세입니다..

body { text-align:center; } .btn { margin-top:50px; font-weight: 400; color:#fff; background-color:#007bff; text-align: center; white-space: nowrap; vertical-align: middle; border: 1px solid transparent; padding: 0.375rem 0.75rem; font-size: 1rem; line-height: 1.5; border-color:#007bff; border-radius: 0.25rem; transition: background-color 0.15s ease-in-out, border-color 0.15s ease-in-out, box-sh..

DOCTYPE html> 안녕하세요 body { text-align: center; font-size:1.2em; } var name = prompt("이름을 입력하세요."); document.write(name + "님, 안녕하세요?"); prompt 사용자 입력값 받기 alert 알림창으로 출력하기 document.write 웹브라우저 화면에 출력하기

Random Forest 의사결정트리의 단점(제한성이 많고 때때로 과최적화 발생) 을 개선하기 위해 만들어진 알고리즘 여러개의 나무가 모여서 하나의 숲을 형성한다는 의미 과정 과정1) 데이터셋에서 x개의 데이터를 추출, 새로운 샘플 데이터 선택 과정2) 새로 생성된 샘플 데이터셋을 이용 새로운 의사결정 트리 생성 1,2 n번 반복 n개의 의사결정트리를 이용해 예측 Random forest 데이터 예측 모듈 생성 여기에 테스트 데이터가 입력이 되면 각각 의사결정트리에 입력해 결과를 구해보고 가장 많이 나온 결과를 선택해서 최종 결과로 결정 Random forest의 성능평가 방법 Bagging 63%의 데이터 이용 -> 매개 tree 생성 나머지 37%의 데이터 이용 -> 매개 tree의 성능 평가 매개 ..

Digit-recognizer - 손으로 쓴 한 자릿수의 이미지를 촬영하여 그 숫자가 무엇인지 결정하는 문제 train_data = pd.read_csv('/kaggle/input/digit-recognizer/train.csv') test_data = pd.read_csv('/kaggle/input/digit-recognizer/test.csv') 1. 데이터의 형태 살펴보기 train_data.shape / test_data.shape 2. 데이터의 라벨값을 CNN에 넣을수 없기 때문에 라벨값 분리 train_images = train_data.drop("label", axis=1) train_labels = train_data["label"] 3. 신경망은 데이터를 Numpy Arrays의 형태로 ..

인공지능과 머신러닝, 딥러닝 머신러닝 현재 출력과 기대 출력 간의 차이 계산 -> 피드백 -> 알고리즘의 작동방식 교정 입력데이터를 기반으로 기대 출력에 가깝게 만드는 표현을 학습하는 것 머신러닝의 학습 더 나은 표현을 찾는 일련의 과정을 자동화하는 것 딥러닝 머신러닝의 한 분야로서 연속된 층(layer)에서 점진적으로 의미있는 표현 학습 딥(deep) 연속된 층으로 표현을 학습한다는 개념으로 모델의 깊이를 의미 기본층을 겹겹이 쌓아 올려 구성한 신경망(neural network)모델을 사용하여 표현 층을 학습 각 층에서 입력데이터가 처리되는 상세내용은 해당 층의 가중치(weight)에 저장 특정 층에서 일어나는 변환은 해당 층의 가중치를 파라미터로 가지는 함수로 표현 주어진 입력을 정확한 타깃에 매핑하..

KNN(K Nearest Neighbor) 머신러닝 지도학습의 한 종류 라벨이 있는 훈련데이터를 학습하여 한수를 추론 학습에 사용되는 데이터의 결과가 정해져있는 경우에 사용 분류(Classification) 라벨이 있는 데이터를 학습 새로운 데이터가 들어왔을 때 학습된 데이터를 라벨을 붙여 분류 KNN 알고리즘 주어진 데이터로부터 가장 거리가 가까운 K개의 다른 데이터를 참조하여 라벨링 K개 데이터들의 라벨들 중 가장 많은 비율을 차지하는 라벨로 분류 데이터 간의 거리는 일반적으로 유클리드 거리 측정법 사용 알고리즘이 간단하여 구현하기 쉽고 정확도가 좋은 편 사례기반 알고리즘의 한 종류 –데이터의 양이 많아지면 수행속도가 느려짐 사례기반 알고리즘(Instance-based Algorithms) 학습과정이..

K-means 비지도학습의 한 종류인 클러스터링을 위한 알고리즘 중 하나 비지도학습(Unsupervised Learning) 데이터들과 각 클러스터와의 거리 차이의 분산을 최소화 클러스터링(군집) 라벨 데이터 없이 데이터 각각의 특성을 고려해 주어진 데이터를 가장 잘 설명하는 집단을 찾아 속하게 하는 것 K-means 주어진 데이터로 K개의 클러스터를 묶는 알고리즘 데이터들과 각 클러스터와의 거리차이의 분산을 최소화함 유사도를 기반으로 데이터들 간의 유사성을 판단함 K-means 알고리즘 원리 클러스터 내 응집도 최소화 클러스터 간 분리도 최대화 거리측정법 유클리드 거리 측정법 유클리드 거리가 큰 값을 가지면 사용자 간의 거리가 멀다는 의미, 사용자 간 유사성이 떨어짐 K-means 알고리즘 수행 단계 ..

텍스트 데이터 분석 텍스트 (비정형데이터로부터) 정보를 추출해 내는 작업 자연어처리(NLP,Natural Language Processing)에 기반 전처리과정 텍스트 분석 텍스트 정규화(Text Normalization) 텍스트의 형태를 일관되게 변형하는 작업 토큰화(Tokenization) 텍스트를 의미단위(토큰)로 분할하는 작업 어간추출(Stemming) 형태가 변형된 단어로부터 어간을 부누리하는 작업 형태소 분석(POS-Tagging) 토큰의 형태소를 파악하는 작업 텍스트분석의 종류 정보 추출 : 문서내의 정형데이터를 추출하는 작업 문서 분류 : 문서들을 특정 분류 체계에 따라 분류하는 작업 감성 분석 : 문서에 내포되어있는 감정과 의견을 추출하는 작업 토큰화 텍스트를 의미단위로 분할하는 작업 단..