주먀

Decision Tree : 결정트리, 의사결정나무, 결정나무 - KNN : 주변에 있는 이웃들을 검색하는 알고리즘 - 질문을 순차적으로 나열해서 데이터를 구분하는 알고리즘 - 가장 먼저 던지는 질문 : Root Node 가장 중요한 질문--> 가지고 있는 데이터를 가장 잘 구분할 수 있는 질문 - 가장 마지막에 던지는 질문 : Leaf Node 더이상 질문이 나열되지 않는 상태, 상대적으로 덜 중요한 질문 - 각 질문의 중요도를 구분하기 위해 사용하는 지표 : 지니불순도, 엔트로피 ==> 각 데이터가 얼마나 섞여있는지를 판단 많이 섞여있을수록 : 불순도가 높 조금 섞여있을수록 : 불순도가 낮 - 불순도가 가장 낮은 것을 가장 중요한 질문 ==> DecisionTree 알고리즘

* 문화 빅데이터 플랫폼 : 데이터 가져오는 사이트 * - https://www.bigdata-culture.kr/bigdata/user/data_market/detail.do?id=2d7560a0-1e56-11eb-a4e6-a9a03a61580b 문화빅데이터 플랫폼 한국문화정보원이 운영하는 문화빅데이터 플랫폼은 공공기관 및 민간기업으로 구성된 데이터센터와 함께 도서, 체육, 예술, 숙박, 레저, 음식 등 고품질의 문화 분야 데이터를 개방하고 데이터 www.bigdata-culture.kr 1. mysql 다운로드 -> IDE( 통합개발환경 ) oracle DB --> sqldeveloper mysql -> workbench 2. 로그인없이 다운로드 ( 다운로드 안되면 ) -> visual c++ 201..

KNN : K-미지의 수, 이웃의 수 : N-nearest : N-neighbors - 가까운 이웃을 찾아서 예측 포인트로 사용 - 분류 : 이웃중에서 가장 많은 값으로 예측 - 회귀 : 이웃 값의 평균값으로 예측 - 이웃의 수를 적절하게 정해줘야 함 (n_neighbors 파라미터를 수정) - 장점 : 간단하게 사용 가능하고 성능도 괜찮음 - 단점 : 특성 값의 범위(scale)를 모두 동일하게 맞춰줘야 판단을 잘함 ex) 안경유무를 판단할때 키(140~199), 시력(0.0~2.0) 개념상으로 시력이 안경의 유무에 중요하지만, KNN은 거리기반으로 계산하기 때문에 키가 더 많이 작용하게 됨(값의 변화가 크기때문에) --> 데이터를 같은 범위로 만들어줘야 함. 값들의 범위를 맞춰줌. 일반화 : 규칙이 ..

1. 점선 위아래 두개 다른 객체이다. 2. 기본적인 특징들은 꼭 외우기 ( 또 다른 특징. Aop -> 관점지향 프로그램 ) BoardMapper.xml 1. 매우중요! mapper id 와 xml 메서드명 일치해야한다. 2. mysql -> 조회해온 값이 한줄이면 : BroadCast / 여러줄 : ArrayList 로 받아오기 3. mapper -> db 4. vo -> 고객에게 받아온 값이다. 5. #{} -> 파라미터로 Board 안에 수많은 필드가 있을건데, 그 중에서 대문자 Writer의 Getter 메서드를 사용한다는 뜻이다. 6. sql 구문은 대문자로 -> 빨리 읽힌다. 7. 인터페이스를 거쳐야만 xml로 갈 수 있다 8. xml 안에는 " ; "쓰면 안된다. SELECT * FROM ..

1. 라이브러리 로드 ( pom.xml에서 하기 ) 2. https://mvnrepository.com/ 접속 -> 1.18.24클릭 -> pom.xml 로드 1. kr.smhrd.mapper 파일명 패키지 만들기 -> BoardMapper 파일명 클래스 만들기 2. 컨트롤러에서 DAO 생성-> 밑줄체크 메소드 -> Board dao 출발 3. DAO package kr.smhrd.mapper; import java.util.ArrayList; import java.util.Date; import org.apache.ibatis.session.SqlSession; import org.apache.ibatis.session.SqlSessionFactory; import kr.smhrd.model.Board..

*복습* 머신러닝 : 데이터에서 규칙을 찾아내는 것 지도학습 : 문제, 정답을 학습 문제가 정답을 출력하기 위한 규칙을 찾아냄. 분류 : 정답의 종류가 정해져 있음. 회귀 : 정답의 종류가 정해져 있지 않음. 정답의 미묘한 차이가 크게 중요하지 않다. 비지도학습 : 문제만 학습 문제가 가지고있는 특징(규칙, 패턴)을 찾음 클러스터링(군집) : 문제만 학습시켜서 특징이 비슷한 것끼리 그룹을 지어줌 차원축소 : 의미있는 데이터만 남김으로 인한 데이터의 차원을 줄여줌 강화학습 : 문제와 완벽하지 않은 정답을 학습 스스로 학습을 통해 정답을 찾음 1. 데이터에서 규칙을 찾아주는 것 2. 머신러닝 종류 - 지도학습 : 문제, 정답 ==> 기계가 학습을 통해 규칙을 찾는 방법 - 비지도학습 : 문제 ==> 기계가 ..

* 스프링 디자인 패턴 * 1. 포트 8080안씀 ( 오라클이 쓰고있음 ) -> 8085로 변경하기 2. 프로젝트 서버빼고 전부 삭제 ( 프로젝트 삭제하면 톰캣 우클릭 클린 해주기 ) 3. Prioject... 클릭 4. Legacy Project 생성 5. Spring MVC Project 선택 6. kr.smhrd.web 파일명 프로젝트 생성 7. 주소 ContextPath -> " web " 8. JUnit Test -> 테스트용 ( src/test/java 패키지 사용 ) 9. root-context.xml -> bean ( 자바 객체 ) 10. 3개 파일명 바꾸지 않기! + pom.xml ( 주요파일 ) 11. hom.jsp , homController 삭제하고 시작하기 12. views -> ..

* 프레임 워크 쓰는 이유 -> 유지보수가 용이하다. * 1. 전자정표준프레임워크 -> 상단 개발자교육 -> 교육자료 클릭 -> 4.0 for win 클릭 -> exe 파일다운 - 사이트 : https://www.egovframe.go.kr/home/ntt/nttRead.do?pagerOffset=0&searchKey=&searchValue=&menuNo=65&bbsId=4&nttId=1743 2. 보안 떴을때 -> 추가정보 클릭해야 실행이 뜸 -> c드라이브만 남기고 압축풀기 ( C드라이브 -> eGovFrame-4.0.0 다운주소 ) * 롬북 다운 * 1. eclips 닫기 -> lombok 다운 ( mybatis 검색 ) 2. 다운로드시 압축파일( 반디집 )로 받아질 시 -> 파일 다운로드 경로( ..

from flask import Flask, request, redirect, jsonify from flask_cors import CORS # 플라스크 객체 생성 # __name__: 현재 파일의 이름을 뜻함 app = Flask(__name__) # 현재 파일에는 당연히 Flask 가 들어가있음 # 플라스크 객체를 CORS 함수로 감싸주자 -> 동일 출처 규약을 해소 CORS(app) # =========================================================================== # # ★요청과 실행 함수 정의★ # Servlet --> @WebServlet("/test") # (문자열로 url맵핑이 들어가야 함, method가 배열형태로 들어감) @app..

1. main.jsp ( html코드(body 끝쪽) script 태그 열기 ) 2. FrontController.java -> mappings.put("/check.do", new CheckCon()); 코드생성 3. main.jsp $.ajax({ url : 'check.do', type : 'post', data : { "email" : value }, // dataType : 'json', success: function(res){ console.log(res); }, error : function(e){ alert("요청 실패!"}; } }); } 4. ChechkCon -> 클래스 생성 // 1. 데이터 수집 request.setCharacterEncoding("UTF-8"); String e..