여행하는 코딩끄적끄적

목차 NN(Neural Networks)이란? 신경망은 "뉴런"이라고 불리는 작은 단위로 구성되어 있습니다. 각 뉴런은 입력을 받아들이고 이를 처리한 후 출력을 생성합니다. 이 출력은 다른 뉴런에게 전달됩니다. 이러한 뉴런들은 여러 층(layer)으로 구성되어 있으며, 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)으로 구분됩니다. 신경망의 핵심은 가중치(weights)라고 불리는 매개변수입니다. 각 뉴런은 입력과 가중치를 곱한 값을 합산한 후, 비선형 함수인 활성화 함수(activation function)를 통과시켜 결과를 출력합니다. 이렇게 입력과 가중치의 조합을 조정하면서 신경망은 데이터의 복잡한 패턴을 학습할 수 있습니다. 학습 과정에서, 신경망..

목차 [무선선풍기]신일 BLDC 무소음 선풍기 Review 신일 무선 선풍기는 혁신적인 BLDC 모터를 탑재하여 강력한 성능과 효율성을 자랑합니다. 이 선풍기는 저소음, 저전력, 고효율의 특성을 갖춘 BLDC 모터를 사용하고 있어 소음을 최소화하면서도 탁월한 바람 성능을 제공합니다. 이로 인해 사용자는 조용하고 시원한 바람을 즐길 수 있습니다. 신일 무선 선풍기(SIF-K12RBG)는 바람 세기를 조절할 수 있는 4단계 기능을 제공합니다. 사용자는 자신에게 맞는 세기로 바람을 조절하여 쾌적한 환경을 조성할 수 있습니다. 또한 팬은 상하좌우로 움직일 수 있어 넓은 범위에 바람을 퍼뜨릴 수 있습니다. 이는 선풍기를 사용하는 공간에서 균일한 바람 분포를 실현시켜줍니다. 그리고 가장 큰 장점은 배터리 용량입니다..

목차 [MySQL] Table 값 입력 : INSERT 테이블을 입력하는 명령어는 INSERT 입니다. INSERT를 사용해서 입력하는 다양한 방법에 대해 알아보겠습니다. 테이블은 지난번 포스트에서 생성한 user 테이블을 사용하겠습니다. mysql> desc users; +------------+--------------+------+-----+-------------------+-------------------+ | Field | Type | Null | Key | Default | Extra | +------------+--------------+------+-----+-------------------+-------------------+ | id | int | NO | PRI | NULL | ..

목차 [제품리뷰]샤오미 무선 선풍기 장단점 샤오미 스마트미 스탠딩 선풍기 3의 장점과 단점에 대한 재 생각입니다. 장점 1. 바람의 퍼짐 정도: 샤오미 스마트미 스탠딩 선풍기3은 타워 선풍기보다 더 나은 공기 이동 능력을 제공합니다. 덕분에 더욱 시원하고 쾌적한 환경을 유지할 수 있습니다. 2. 원격 조절 기능: 앱을 통해 선풍기를 원격으로 제어할 수 있습니다. 또는 함께 제공되는 리모컨을 사용할 수도 있습니다. 내장형 배터리: 2,800mAh 배터리가 내장되어 있어 최대 20시간까지 사용할 수 있습니다. 이로써 선풍기를 휴대하여 실내뿐 아니라 실외에서도 사용할 수 있습니다. 3. 다양한 풍향 및 선회 기능: 수평으로 30°/60°/90°/120°, 수직으로 위로 25°, 아래로 15°까지 선회할 수 있..

목차 [MySQL] 테이블 생성 예제 및 설명 앞서 포스트에서 데이터베이스(Database) 생성부터 삭제 확인 하는 방법에 대해 알아보았습니다. 이번에는 테이블을 형성하고 테이블에 들어가는 데이터 종류(Data Type)에 대해서 알아 보겠습니다. https://www.w3schools.com/mysql/mysql_datatypes.asp MySQL Data Types W3Schools offers free online tutorials, references and exercises in all the major languages of the web. Covering popular subjects like HTML, CSS, JavaScript, Python, SQL, Java, and many, ma..

목차 [MySQL] 데이터베이스 생성, 삭제, 확인 1. 데이터베이스 생성(Database Create/Make) CREATE DATABASE 문을 사용하여 데이터베이스를 생성할 수 있습니다. 예를 들어, "mydatabase"라는 이름의 데이터베이스를 생성하려면 다음과 같은 SQL 문을 실행합니다. CREATE DATABASE mydatabase; 데이터베이스가 성공적으로 생성되면, MySQL 서버에 새로운 데이터베이스가 추가됩니다. 2. 데이터베이스 삭제(Database Delete) DROP DATABASE 문을 사용하여 데이터베이스를 삭제할 수 있습니다. 데이터베이스를 삭제하면 해당 데이터베이스에 저장된 모든 데이터와 객체들이 영구적으로 삭제됩니다. 따라서 삭제 전에 데이터베이스의 내용을 백업하거..

목차 MySQL 구조: 표, 데이터베이스, 서버 1. Table Table은 MySQL에서 데이터가 저장되는 공간입니다. Table은 행(row)과 열(column)의 형태로 구성되며, 각 행은 데이터 레코드를 나타내고, 각 열은 데이터 필드를 나타냅니다. 예를 들어, 사용자 정보를 저장하는 데이터베이스의 경우, Table은 사용자의 이름, 나이, 이메일 등의 데이터 필드로 구성된 행들로 이루어질 수 있습니다. 2. Schema Schema는 MySQL에서 데이터베이스 구조를 정의하는 개체입니다. 하나의 MySQL 서버에는 여러 개의 Schema가 존재할 수 있습니다. 각 Schema는 데이터베이스 내의 Table, View, Index 등과 관련된 객체들을 포함합니다. Schema를 사용하여 데이터의 ..

목차 Galaxy Watch로 축구, 풋살 기록재기 저는 개인적으로 삼성 제품들을 좋아하다 보니 갤럭시 워치까지 구매해서 꾸준히 사용하고 있습니다. 축구나 풋살을 하고 항상 경기 내용을 기록하는데 사용방법은 간단합니다. 1. 갤럭시 워치에서 "달리기" 운동을 실행한다. 2. 축구를 시작한다. 3. 축구 종료 후 달리기 앱을 중지한다. 위 동작을 완료한 후 "Samsum Health" 앱을 실행하면 아래와 같은 결과들을 확인할 수 있습니다. GPS 정보로 어떻게 뛰었는지를 확인할 수 있습니다. 지명이 있어서 일부 삭제해서 올렸습니다. 평균 페이스 및 심박수에 대한 정보를 얻을 수 있습니다. 전체 운동 시간, 달린 거리, 평균 속도, 최고 속도 등 다양한 정보를 얻을 수 있습니다. 워치를 간단하게 소개하면 ..

목차 소니 노이즈캔슬링 헤드폰(WH-1000XM5) 장단점 정리 장점 뛰어난 활성 소음 캔슬링: WH-1000XM5 헤드폰은 우수한 활성 소음 캔슬링 성능을 제공하여 외부 소음을 효과적으로 차단하여 청취 경험을 향상시킵니다.스마트 기능: 자동 위치 인식, 대화 감지, 자동 일시 중지 등과 같은 스마트 기능은 사용자 편의성을 높여주며, 사용자의 일상 생활에 맞게 소음 제어 및 기타 설정을 조정합니다. 음질: Sony의 고품질 사운드 기술에 기반한 WH-1000XM5 헤드폰은 탁월한 음질을 제공하여 음악, 영화 또는 기타 오디오 콘텐츠를 뛰어난 명확성과 균형있는 사운드로 즐길 수 있습니다. 단점 방수 기능 부재: WH-1000XM5 헤드폰은 여전히 방수 기능이 없어 물에 노출되는 환경에서 사용할 때 주의가 ..

목차 엔트로피를 사용해서 정보이득 풀이 및 파이썬 검증 앞서 포스트에서 정보이득(Information Gain)과 지니 불순도(Gini Impurity)를 사용해서 정보 이득을 구하는 방법에 대해 알아보았습니다(https://scribblinganything.tistory.com/719). 이번 포스트는 엔트로피(Entrophy)와 분류오차(Classification Error)를 사용해서 정보이득을 구하는 방법에 대해 알아보겠습니다. 우선 엔트로피 입니다. 정보 이론에서는 엔트로피를 확률 분포의 함수로 정의합니다. 엔트로피는 주어진 확률 분포에서 발생할 수 있는 모든 사건의 가능성을 고려하여 평균적으로 필요한 정보의 양을 측정합니다. 불확실성이 높을수록 엔트로피는 큰 값을 가지며, 불확실성이 낮을수록 ..

정보이득이란(Information Gain)? 정보 이득(Information Gain)은 정보 이론과 머신 러닝에서 사용되는 개념으로, 주어진 속성이나 특성을 기준으로 데이터를 분할할 때 얻을 수 있는 정보의 양을 측정하는 지표입니다. 정보 이득은 데이터 분할 전후의 불확실성 감소량을 측정하여 해당 속성이나 특성이 분류 작업에 얼마나 유용한지를 평가하는 데 사용됩니다. 정보 이득은 지니불순도, 엔트로피, 분류오차(Gini Impurity, Entrophy, Classification Error)라고 불리는 개념을 기반으로 계산됩니다. 엔트로피는 주어진 데이터 집합의 혼잡도나 불확실성을 나타내는 지표로, 값이 작을수록 데이터가 분류되어 정돈되어 있다는 의미를 가지고 있습니다. 따라서 정보 이득은 주어진 ..

목차 공분산 행렬(Covariance Matrix)이란? 공분산 행렬이란 아래와 같이 수식(Equation)을 정의합니다. 행렬로 표기를 하고 시그마(Σ)로 표기합니다. 시그마(Σ)는 이산 적분식과 다르니 확실히 구분해서 생각해야 합니다. 하나의 문자로 사용됩니다. 공분산 행렬은 저의 경우 기계학습의 PCA(Principal Component Analysis) 계산에서 사용되어 공부를 하게 되었습니다. 그 외에도 다양한 분야에서 공분산 수식으로 처리하는 경우들이 있습니다. 그림1과 같이 데이터셋(Dataset)을 통해 공분산을 만드는 방법에 대해 생각해보겠습니다. 데이터셋의 n행은 샘플들의 개수로 볼수 있고 d는 차원 값 또는 Feature라고 부르는 개수 입니다. 예를 들면 학생 4명에 대한 키와 몸무..

목차 K mean clustering이란? 위 그림1과 같이 무게 별로 측정한 샘플이 12개가 있다고 생각해 보겠습니다. 이를 3개의 Cluster로 나눈다고 생각하면 우리는 인직하는 그대로 쉽게 3개로 나눌수 있을 것입니다. 하지만 컴퓨터 프로그램이 위 분류를 진행하려면 어떻게 해야할 까요? Clustering 분류 방법 중 하나가 K mean Clustering입니다. 이번 포스터에서는 K mean Clustering에 대해 알아보겠습니다. K는 Cluster의 수를 의미합니다. 간단하게 각 클러스터의 평균으로 분류하겠다는 의미입니다. K mean clustering 예제로 알고리즘 만들기 1. 그림1을 분류할 덩어리인 Cluster의 수 k 값을 결정합니다. k 값 결정은 포스트 뒤쪽에서 설명 드리..

목차 SVM(Support Vector Machines)이란? SVM이란 간단하게 Dicision Boundary를 만들어주는 것을 의미 합니다. Margin Maximal Margin Classifier Training Data와 Boundary 사이 가장 짧은 거리를 Margin이라고 합니다. 위 그림에서 파란색 화살표를 의미 합니다. 양쪽의 파란색 화살표의 길이가 동일할 때 마진(Margin)의 크기가 가장 큽니다. 이를 Maximal Margin Classifier라고 합니다. 녹색선은 아래와 같이 수식으로 표현될 수 있습니다. 결국 두 벡터의 내적(Dot Product)식이 됩니다. W벡터에 정사영되는 크기가 C로 일정한 x 벡터는 녹색 점선을 가리키는 벡터가 됩니다. 최종적으로 그림3의 노란색..

목차 피어슨 상관관계(Pearson's Correlation)이란? 수식(Equation) 앞서 포스트에서 공분산(Covariance)에 대해 설명하였습니다(https://scribblinganything.tistory.com/714). 공분산의 특성은 아래와 같았습니다. 1. 공분산을 통해서 Postive, Negative, No trend의 관계를 확인할 수 있다. 2. 공분산의 결과 값 Cov[X,Y]의 크기를 통해서 공분산 정도가 크다라고 판단할 수는 없다. 3. 공분산 자체의 의미는 중요하지 않고 Correlation을 계산하기 위한 단계로 사용된다. 위 특성 처럼 Covariance와 두 데이터 간의 관계를 해석하는데 어려움이 있어서 Correlation을 사용합니다. Correlation의 ..

목차 [머신러닝] Covariance란? 그림1과 같이 한반에 학생에 대한 몸무게에 대한 샘플 값들을 위와 같이 가져왔다고 가정하겠습니다. 이때 평균을 x에 바로 표기된 점이라고 하면 샘플의 분산(Variance)는 아래와 같이 구할 수 있습니다. 분산이란 결국 평균 값에서 어느정도 벗어났는지를 계산하는 것입니다. 샘플의 분산 수식이 위와 같이 나오는 이유는 아래 링크에 자세하게 설명하였으니 참조하시길 바랍니다(https://scribblinganything.tistory.com/687). 이번에는 동일 학생으로 부터 키를 측정했다고 생각해보겠습니다. 이때 몸무게와 키의 측정 값으로 부터 유의미한 분석값이 있지 않을까 하는 고민에서 발생한 개념이 공분산(Covariance)입니다. 공분산은 수식1과 같이..

목차 랜덤포레스트(Random Forest)란? Random Forest 는 Forest의 의미가 주듯이 트리를 모은 숲을 의미 합니다. 트리의 의미에 대해 알고 싶다면 아래 블로그 글부터 순차적으로 확인하시길 바랍니다(https://scribblinganything.tistory.com/709). 랜덤 포레스트를 사용하는 목적은 트리의 특성에 있습니다. 트리는 Training Data에서 높은 정확도(Accuracy)를 가지지만 Testing Data에서는 정확도가 떨어집니다(Inaccuracy). 랜덤포레스트는 이러한 트리들을 랜덤하게 형성해서 정확도(Accuracy)를 높이는 목적으로 사용됩니다. 랜덤포레스트(Random Forest) 모델 생성 테이블1은 데이터셋으로 과자, 채소, 피자를 하루에 ..

목차 Regression Tree 가지치기란? 앞서 회기형 트리에 대해서 배워보았습니다(https://scribblinganything.tistory.com/711). 회기형 트리(Regression Tree)를 만들때 모든 Training Data에 대해 세분화 해서 Node를 만들어서 분류를 하게 되면 Overfitting이 발생한다고 하였습니다. 이렇게 만들어진 트리 모델을 Test Data에 대입해 보면 Overfitting에서 RSS 값이 높게 나올 수 있습니다. 즉, Overfitting에 의해 Variance가 높아지는 것입니다. 그림1과 같이 하루 약 섭취에 대한 효과의 데이터를 통해 회귀 트리(Regression Tree)를 오른쪽과 같이 만들 수 있습니다. 만드는 방법은 앞전 포스트를 ..

목차 Regression Tree란? 그림1은 약 하루 섭취 정량이 100%일 경우 섭취량에 따른 효과를 그래프로 그린 것입니다. 기울기와 절편 두 개의 베타(Beta) 파라미터로 표현하는 선형 회기식(Linear Regression)으로 위 그래프를 예측하기 힘듭니다. 그래서 사용하는 방식이 Regression Tree 입니다. Tree 방식에 대한 이해가 부족하면 Regression Tree 를 이해하기 힘드므로 Decision Tree(https://scribblinganything.tistory.com/709) 글을 먼저 보고 오시길 바랍니다. Classification Tree와 회기 트리(Regression Tree) 차이 두 트리 구조의 가장 큰 차이는 Leaf Node에 의해 결정됩니다. ..

목차 앞 시간 포스트(https://scribblinganything.tistory.com/709)에 이어서 이번에는 나이(Numeric value)에 대한 지니 불순도(Gini Impurity)를 계산해보겠습니다. Decision Tree : Gini Impurity 예제로 알아보기 나이의 지니 불순도(Gini Impurity)를 구하기 위해 나이순으로 테이블을 정렬합니다. 위 테이블과 같이 7에서 83으로 작은 수에서 큰수로 정렬합니다. 다음으로 위와 같이 나이들의 평균 값을 구해줍니다. 다음으로 그림1과 같이 평균을 경계로 수식1을 적용해서 지니 불순도(Gini Impurity)를 구합니다. "나이