Skip to content

JBNU-MLstudy/WeekTwo

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

5 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

WeekTwo

2주차
200722 summary

백준 알고리즘

while 2번

: 두 정수 a와 b를 입력받은 다음, a+b를 출력하는 프로그램을 작성하시오
while True: # true지정하여 infinite loop
try: # 시행
a,b = map(int, input().split()) # 변수 a, b 선언
print("{}".format(a+b)) # a,b 합한 값 출력
except: # 입력값 없으면
break # loop out

while 3번

더하기 사이클, 주어진 수가 10보다 작다면 앞에 0을 붙여 두 자리 수로 만들고, 각 자리의 숫자를 더한다.
그 다음 주어진 수의 가장 오른쪽 자리 수와 앞에서 구한 합의 가장 오른쪽 자리 수를 이어 붙이면 새로운 수를 만들 수 있다.
이 사이클의 길이를 구하는 프로그램을 작성하시오.


N = int(input()) # 입력변수
c=0 # 사이클 counting하는 변수 초기값 0으로 선언
r=N # n을 받아 operating하는 변수 선언
while True : # 무한루프
s=int(r/10)+r%10
# '/ -> 몫, % -> 나머지' 연산자를 이용하여, 두자리 수를 받았을 때 10으로 나누어 몫과 나머지 합을 구함. 이떄 몫은 실수(float)가 될 수 있으므로 정수로 선언
r=10*(r%10)+s%10
# 나머지 연산자를 이용하여 나머지끼리 더함
c=c+1 # 위의 연산과정 counting
if r==N : # r의 결과값과 입력값 n과 같은지 확인
break # 맞으면 loop out
print(c) # 연산 횟수 출력

while ==> 조건반복문(conditional loop)
for ==> 범위지정 반복문(range)
% 둘 다 if문 선언 가능함

함수

def와 class가 있음
def(변수):
내용

class(변수 or class or 함수):
내용(함수(def여러개 작성 가능))
==> class는 상속개념 내포되어 있음

클래스(상속개념까지)

DS[데이터사이언스] ) = AI[인공지능] ) = ML[머신러닝] ) = DL[딥러닝] ) =

범위를 단정짓기에 조금 모호함
손바닥으로 치자면 딥러닝은 손톱, 머신러닝은 손가락, 인공지능은 손바닥

딥러닝 공부하면서 느낀 것:

미적분과 선형대수 필수로 공부해야함.
요즘 머신러닝을 수학없이 구현할 수 있지만(하지만, 수학 없는 머신러닝은 모래성 쌓기와 비슷함),
딥러닝은 개념 이해를 위해 수학적 지식이 필요함

supervised learning vs unsupervised learning

  • 속성(column)에 대한 정보 인지의 유무에 대해 나뉘어짐
  • unsupervised learning ex) 주식예측(언제 변화될지 모르기에)
  • supervised learning ex) 학생 등록금 분류

선형회귀(Linear regression)

Y = AX+B
주어진 데이터를 예측하는 것(선형성, 독립성, 등분산성을 가짐)
Y: 종속변수, 주어진 데이터에 따라 값이 달라짐 즉, 종속성을 띔
X: 독립변수, 주어지는 데이터 즉, 독립성을 띔

로지스틱회귀(Logistic regression)

Y = e^x/1+e^x
종속변수 y의 결과가(실패, 성공)와 같이 2개의 카테고리가 존재하는 것을 의미
classification할 때 쓰임


※ 마지막에 로지스틱 회귀 설명을 다중선형회귀와 헷깔려서 로지스틱을 다중선형회귀로 설명해 드렸습니다. 죄송합니다.

오늘 진행한 스터디는 유튜브에 일부공개로 올렸습니다.

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages