데이터베이스 구축은 현실 세계의 시스템을 컴퓨터 세계의 데이터베이스로 변환하는 작업입니다. 현실 세계의 시스템은 여러 개체가 서로 관계를 맺으며 복잡하게 상호작용하는 구조를 가지고 있으며,이를 데이터베이스로 변환하는 과정에서 체계적인 설계가 필요합니다. 데이터베이스 모델링은 데이터베이스의 효율성을 높이고 최적화된 구조를 설계하는 과정입니다.  이를 통해 데이터가 논리적이고 일관성 있게 저장될 수 있도록 합니다.데이터베이스를 구축하는 과정은 다음과 같은 단계로 진행됩니다.     데이터베이스 구축 의뢰 - 시스템의 요구사항을 분석하고, 데이터베이스 구축의 목적을 정의합니다.   개념적 설계 - 어떤 데이터를 저장할 것인지 결정하는 단계입니다.                   - 데이터의 활용도를 고려하여..

데이터의 출처와 학습 내용은 [박혜선 혼자 공부하는 머신러닝 + 딥러닝 ],한빛미디어 를 인용했습니다.선형 회귀선형 회귀는 두 변수 간의 선형 관계를 모델링하여 연속적인 값을 예측하는 통계적 기법입니다. 주로 독립 변수(input, XXX)와 종속 변수(output, YYY) 간의 관계를 직선으로 나타내는 방법입니다. 선형 회귀는 예측하고자 하는 변수(종속 변수)와 설명 변수(독립 변수) 간의 선형 관계를 가정합니다. 선형 회귀는 단어 조합 그대로 직선상의 숫자입니다. 이 회귀가 어떤 역할을 하는지 그리고 왜 필요한지 이 게시글에서 실습을 통해 알아보겠습니다. 이전 게시글에서 사용했던 코드들을 그대로 가져오시면 됩니다. 먼저 이전 학습된 모델에서 60cm인 농어를 예측해보겠습니다. 그렇다면 무게를 1,0..

데이터의 출처와 학습 내용은 [박혜선 혼자 공부하는 머신러닝 + 딥러닝 ],한빛미디어 를 인용했습니다. K최근접이웃 회귀 (K-Nearest Neighbors Regression)는 K-NN 알고리즘 을 회귀 문제에 적용한 것입니다. KNN은 기본적으로 분류(classification) 문제에 많이 사용되지만, 회귀 문제에도 적용할 수 있습니다. KNN 회귀는 주어진 데이터 포인트와 가장 가까운 K개의 이웃을 기준으로 예측값을 계산하는 방식입니다. 지도 학습 알고리즘은 크게 분류와 회귀로 분류할 수 있습니다. 이전 게시글에서는 분류(classification)를 다루었습니다.물고기의 크기에 따라 종류를 예측하는 모델을 만들었었죠, 하지만 수치형 데이터 즉 임의의 어떤 숫자를 예측해야 할 경우에는 어떻게 ..

나머지문제는 다음과 같습니다. 제목이 나머지인 만큼 뭔가 나머지로 독립적인 요소의 개수만 카운트 하는 것 같습니다.문제를 요약하자면 42로 나누었을 때 나머지 중 겹치지 않은 수의 개수 입니다.그렇다면 입력값을 42로 나누었을 때의 값들이 서로 다른 몇 개의 값이 있는지 출력하는 것 입니다.  저의 알고리즘은 다음과 같습니다.입력은 10개로 고정되어 있습니다. 따라서 입력을 받음과 동시에 42로 나누고 나머지를 새로운 리스트에 넣습니다.이 작업을 10번 반복합니다. 그렇다면 리스트에서는 입력값을 42로 나눈 나머지의 값들이 중복해서 들어가거 있거나 중복되지 않게끔 들어가 있을 것 입니다. 여기서 중복만 제거한다면? 저희가 원하는 결과를 얻을 수 있습니다. 그렇다면 여기서 어떻게 해야 할까요? 일일이 딕셔..

과제 안 내신 분...? 문제는 다음과 같습니다. 반에는 총 30명의 학생이 있습니다. 과제를 제출할 때 본인의 번호를 말하고 제출하는 것 입니다.28개의 input은 과제를 한 학생으로 하고 나머지 학생은 과제를 하지 않은 학생으로 생각하면 이해하기 좋습니다. 그렇다면 과제를 하지 않은 나머지 두명은 어떻게 찾을까요? 저의 알고리즘은 30개의 빈칸을 만들어 놓습니다. 이후 과제를 제출한 사람만 표시하는 것이죠 하지만 이 때 저는 표시를 remove() 즉 삭제를 할 것 입니다. 사실 30개의 빈칸 종이는 벌점 리스트가 될 것 이고, 결국 마지막에 남은 학생 2명은 결국 과제를 제출하지 않은 학생입니다. 이를 코드로 표현해보겠습니다.L1 = list()for i in range(1,31): L1.a..

데이터 전처리 및 관련 기초 용어  데이터 전처리란 데이터베이스에 보관 불가능한 원시 데이터를 데이터베이스에 보관하고 관리하며 검색 가능한 가공 데이터로 바꾸는 과정입니다. 원시 데이터는 raw data, 즉 형식이 정리되지 않은 데이터입니다. 이 데이터를 사용하기 위해서는 먼저 전처리 작업이 필요합니다.  원시 데이터는 최초 현실에서 얻어진 데이터로, 예를 들어 영상, 사진 등이 될 수 있습니다. 이러한 데이터를 보관하기 위해서는 보관 가능한 형태로 가공해야 합니다. 이 때, 가공된 데이터를 중간 데이터라고 합니다. 예를 들어 명함 데이터를 수집할 때 명함1.jpg와 같은 파일이 중간 데이터에 해당합니다. 이 jpg 파일을 행렬로 분해하여 엑셀 파일에 넣거나 다른 방법으로 저장할 수 있습니다. 가공된 ..