GuruSa

이번 학습 주제는 이진 탐색트리(Binary Search Tree)입니다 앞에서 이진 탐색(Binary Search)과 선형 탐색(Linear Search)을 학습했습니다 이진 탐색과 선형탐색이 궁금하시다면 아래의 링크 ↓↓ 2020/07/27 - [Algorithms] - [Algorithms] 선형 탐색(Linear Search)과 이진 탐색(Binary Search) [Algorithms] 선형 탐색(Linear Search)과 이진 탐색(Binary Search) 하루 하루가 순식간이네요😱 오늘도 학습을 하고 잠을 청해야겠습니다 오늘의 학습 주제는 탐색 알고리즘 중에 가장 단순한 탐색 알고리즘인 선형탐색(Linear search) 혹은 순차탐색(Sequential Search) yssa.tisto..

하루 하루가 순식간이네요😱 오늘도 학습을 하고 잠을 청해야겠습니다 오늘의 학습 주제는 탐색 알고리즘 중에 가장 단순한 탐색 알고리즘인 선형탐색(Linear search) 혹은 순차탐색(Sequential Search)과 이진탐색(Binary Search)입니다 먼저 선형 탐색은 데이터가 저장되어 있는 배열 또는 선형 리스트를 선두에서부터 하나씩 비교해 찾고자 하는 데이터가 발견될 때까지 검사하는 탐색법입니다 #include #define true 1 #define false 0 #define SIZE 100 typedef int index; typedef int keytype; typedef int boolean; typedef char othertype; index n = -1; struct array..

미루고 미루다 드디어 알고리즘(Algorithms) 학습을 시작! 알고리즘이란 어떤 문제를 해결하기 위한 절차를 기술해 놓은 것입니다 절차는 어떠한 작동을 어떠한 순서로 행할 것인가를 나열한 것인데요 크게 아래의 4가지 특성을 만족해야 합니다 특성 설명 Preciseness(엄밀성) 기술된 내용은 한 가지 이상의 의미를 포함하지 않도록 해야 함 Effectiveness(실효성) 기술된 내용은 반드시 주어진 상황에 영향을 주어서 실제로 상황을 변화시키는 효과가 있어야 함 Input/Output(입출력) 반드시 입력이 주어지고 이러한 입력에 절차를 행한 실제 효과를 반영하는 출력이 있어야 함 Termination(종료성) 기술된 절차는 반드시 종료 상태에 도달해야 함 알고리즘의 종류로는 순차(Serial),..

오늘도 공부를 해야겠죠-_- 지난 학습에 이어 주제는 군집(Clustering) 알고리즘 중 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)인데 데이터가 위치하고 있는 공간 밀집도를 기준으로 클러스터를 구분하는 방식입니다 간단히 설명하자면 Noise(Outlier)를 제외한 코어 포인트(Core point)와 경계 포인트(Border point)를 클러스터로 구성하는 것입니다 코어 포인트는 데이터 분포를 점으로 찍었을 때 어느 한 점을 기준으로 반지름(R)인 원을 그려서 그 원 안에 최소 M개의 데이터가 존재하는 점이고 경계 포인트는 자신이 코어 포인트가 아닌데 반지름(R)안에 다른 코어 포인트가 있는 점을 의미합니다 Noise는 ..

이번 주말은 모처럼 집에만 있어 편안하네요~ 가만히 드러누워 있기 지겨워 다시 학습을 시작! 이번 주제는 제목처럼 군집(Clustering) 분석 알고리즘 중 k-Means 알고리즘입니다 군집 분석 알고리즘은 데이터셋의 관측값이 갖고 있는 여러 속성을 분석하여 서로 비슷한 특징을 갖는 관측값끼리 같은 집단(Cluster)로 묶는 알고리즘입니다 클러스터가 여러 개가 존재한다하면 서로 다른 특성을 지닌 관측값들이 여러가지라는 의미가 되고 이런 특성을 이용해서 이상값, 중복값 등 특이 데이터를 찾는데 활용되기도 합니다 관측값을 몇 개의 집단으로 나눈다는 점에서 분류 알고리즘과 비슷하지만 군집 분석 알고리즘은 비지도학습 유형으로 정답이 없는 상태에서 데이터 자체의 유사성만을 기준으로 판단한다는 점에서 차이가 있..

이번 학습은 분류 알고리즘 중 Decision Tree에 대해 알아보겠습니다 알고리즘에서 즐겨 사용하는 Tree 구조를 이용하고 각 Node에는 분석 대상의 속성들이 위치합니다 각 Node마다 목표 값을 가장 잘 분류할 수 있는 속성을 찾아서 배치하고 해당 속성이 갖는 값을 이용하여 새로운 branch를 만들고 해당 속성을 기준으로 분류한 값들이 구분되는 정도를 측정합니다 다른 종류의 값들이 섞여 있는 정도를 나타내는 Entropy가 낮을수록 분류가 잘 된 것입니다 # 판다스(Pandas) import pandas import numpy # Prepare Data : Breast Cancer uci_path = 'https://archive.ics.uci.edu/ml/machine-learning-dat..

오늘은 SVM(Support Vector Machine) 에 대해 알아보겠습니다 여태 사용했던 데이터프레임의 각 열은 열 벡터(Vector) 형태로 구현되고 이 열 벡터들이 각각 고유의 축을 갖는 벡터 공간을 생성하고 분석 대상이 되는 개별 관측값은 모든 속성에 관한 값을 해당 축의 좌표로 표시합니다 역시 직접 해보는게 이해하는 가장 빠른 길이겠죠-_- # 판다스(Pandas) import pandas import seaborn # Prepare Data titanic_data = seaborn.load_dataset('titanic') pandas.set_option('display.max_columns', 15) print(titanic_data.head(), end = '\n') # Explore ..

이번 학습 주제는 머신러닝(Machine Learning) 알고리즘(Algorithms) 중 회귀분석(Regression)이고 두 변수 사이에 1:1로 대응되는 확률적, 통계적 상관성을 찾는 단순회귀분석(Simple Linear Regression)에 대해 알아보겠습니다 그 전에 머신러닝 프로세스(Machine Learning Process)에 대해 잠깐 살펴보면 아래와 같습니다 데이터 정리 머신러닝 데이터 분석을 시작하기 전에 컴퓨터가 이해할 수 있는 형태로 데이터를 변환하는 작업이 선행되어야하는데 분석 대상에 대한 관측값(observation)을 속성(feature or variable)을 기준으로 정리합니다 데이터 분리(훈련/검증) 알고리즘 준비 모형 학습 훈련 데이터 이용 예측 검증 데이터 이용 ..

오늘은 큐(Queue)를 구현해보자 큐는 선입선출 FIFO(First In First Out)로 들어온 순서대로 나가는 형태의 자료구조다 큐와 같은 형태를 일상에서 찾자면 은행 창구, 식당 등에서 이용하는 대기번호가 있다 대기번호를 먼저 뽑은 사람이 해당 서비스를 먼저 이용하는 것이다 고딩 점심시간 조금이라도 빨리 먹기 위해 냅다 뛰는 이유도 배식 받는 것이 큐와 같아서-_- 어찌되었든 큐를 구현해보자 위의 코드는 크기가 5인 큐를 구현한 것이다 이 프로그램을 돌려보면 잘 돌아간다-_- 사실 enqueue() 함수룰 5번 호출 후에 dequeue() 함수를 1번 호출하고 다시 enqueue() 함수를 호출하면 에러("index out of bound exception")가 발생해야하지만 C언어가 inde..