SQL 조인에 대한 이해 - Outer Join과 Inner Join 1. 연관관계와 주체 "연관관계의 주체가 된다"라는 표현은 관계형 데이터베이스에서 테이블 간에 연결(연관관계)을 만드는 역할을 한다는 것을 의미합니다. "FK를 가진다"는 외래 키(Foreign Key, FK)를 가지고 있다는 의미인데, 외래 키는 한 테이블의 필드가 다른 테이블의 기본 키(Primary Key, PK)를 참조하는 것을 의미합니다. 이 외래 키는 테이블 간의 관계를 정의하며, 데이터 무결성을 보장하는 데 중요한 역할을 합니다. SQL에서 조인을 이해하려면 먼저 연관관계와 그 주체를 이해해야 합니다. 연관관계의 주체는 일반적으로 외래 키(Foreign Key, FK)를 가지고 있는 테이블입니다. 이를 '드라이빙(Drivi..
2023/07
Meta 어노테이션 - 다른 어노테이션에 적용 되는 어노테이션 어노테이션은 Java 코드에 메타데이터를 제공하는 방법으로, 코드의 동작 방식을 알려주거나 수정하는 데 사용됩니다. Meta 어노테이션은 다른 어노테이션에 적용되는 어노테이션을 말합니다. 메타-어노테이션은 주로 어노테이션의 동작 방식을 정의하거나 수정하는 데 사용됩니다. Java에서의 메타-어노테이션 Java 자체도 메타-어노테이션을 제공하며, 다음과 같은 것들이 있습니다 @Target 해당 어노테이션이 적용될 수 있는 Java 요소의 유형을 지정합니다. 예를 들어, 클래스, 메서드, 필드 등에 대해 적용할 수 있습니다. @Retention 어노테이션이 어디까지 유지될지 정의합니다. 소스 코드, 클래스 파일, 런타임 등에서 유지될 수 있습니다..
IoC : 의존성 주입/제어 반전(IoC) - 제어의 흐름을 프로그램이 아닌 프레임워크로 넘기는 개념 - IoC는 개념, IoC 컨테이너는 실체, DI는 IoC 구현 방법 Spring 프레임워크의 핵심으로써 IoC Container를 통해 생성에서 소멸까지 프레임워크가 담당하는 개념입니다 IoC (Inversion of Control, 제어의 역전) IoC는 객체의 생성과 생명주기 관리를 개발자가 아닌 프레임워크가 담당하는 개념입니다. 이로 인해 개발자는 객체 생성과 생명주기 관리에 신경 쓰지 않고, 비즈니스 로직에 집중할 수 있게 됩니다. IoC의 핵심 아이디어는 "제어의 흐름을 프로그램이 아닌 프레임워크에 넘기는 것"입니다. DI (Dependency Injection, 의존성 주입) DI는 IoC를..
KNN(K-Nearset Neighbors) - KNN은 ML 지도학습 일종으로 분류 모델에 쓰인다. - K는 노드를 분류할 때 영향을 주는 이웃 노드의 수다 - K 값은 교차 검증 되어야 한다 K-최근접 이웃(K-Nearest Neighbors, KNN) 알고리즘은 지도 학습(Supervised Learning)으로 Classification과 Regression(회귀) 모델 문제를 해결하는 데 사용됩니다. 이 알고리즘은 "K"라는 사용자가 정의한 양의 정수를 통해 동작합니다. 이 "K"는 새로운 데이터 포인트가 어떤 분류에 속하는지를 결정하는 데 사용되는 가장 가까운 이웃의 수를 나타냅니다. KNN의 큰 특징은 따로 훈련을 할 필요가 없습니다. 이를 KNN이 Lazy Model이라 표현합니다 K-최근..
Introduction to Classification Classification 기계 학습에서의 지도 학습(Supervised Learning)으로, 알려지지 않은 항목들을 명확한 클래스 세트로 분류하거나 카테고리화하는 수단입니다. 분류는 특징 변수들의 집합과 관심 대상인 목표 변수 사이의 관계를 학습하려고 합니다. 분류에서의 목표 속성은 이산 값을 가진 범주형 변수입니다. 훈련 데이터 세트와 그에 대한 목표 레이블이 주어진 상태에서, 분류는 레이블이 없는 테스트 케이스에 대한 클래스 레이블을 결정합니다. 분류 알고리즘 크게 Classification 알고리즘은 이진 분류와 다중 분류가 있습니다 이진 분류 은행은 대출 채무 불이행을 예측하려고 할 때, 고객에 대한 정보(나이, 소득, 교육 등)가 포함된..
🐥 카카오테크캠퍼스 - 2단계 2주차 과제 - 고려사항 요구사항 전체 API 주소 설계 API 요구사항 반영 API 명세를 위해 고민한 것들 Mock API Controller 구현 Spring Boot 컨트롤러 작성 완성된 소스코드 제출 Product 1. 전체 상품 목록 조회 - Method : Get - Local URL : http://localhost:8080/products - Param : page={number} 구현 사항 findAll(@RequestParam(defaultValue = "0") int page) 전체 상품 목록 조회 API는 Parmeter를 통해 페이지네이션을 고려하고 있습니다 default value를 주어 페이지별 상품 조회도 가능하도록 하였습니다 Controlle..
Non-Linear Regression 실습 - 데이터를 보고, 그래프를 그릴 식을 추정해야 한다. - pd/np -> plt(mataplotlib) 순으로 라이브러리를 사용한다 목표 Differentiate between linear and non-linear regression Use non-linear regression model in Python Intro. Non-Linear Regression 왜 쓰냐? 비선형 회귀는 독립 변수 x와 종속 변수 y 사이의 비선형 관계를 모델링하는 방법입니다. 일반적으로 선형이 아닌 모든 관계를 비선형 관계로 간주할 수 있으며, 이는 주로 다항식의 형태로 표현됩니다. 다항식의 최고 차수는 k입니다 (x의 최고 차수). 비선형 함수에는 지수, 로그, 분수 등의 ..
Polynomial Regression 실습 - 선형 그래프가 나오지 않는 상황에서, 새로운 특성 집합을 생성하여 다항 그래프를 만든다 - 다항식을 치환해서, Linear Regression으로 만들 수 있다 실습 준비 df = pd.read_csv("FuelConsumption.csv") # take a look at the dataset df.head() 생성된 데이터 프레임을 5줄 출력해봅니다 데이터 프레임이 잘 생성 된 것을 볼 수 잇습니다. 그렇다면, 회귀 모델에 사용할 필드로 새로운 데이터 프레임을 형성합니다. 다시 한번, 데이터 프레임을 출력해봅니다 cdf = df[['ENGINESIZE','CYLINDERS','FUELCONSUMPTION_COMB','CO2EMISSIONS']] cdf.h..
Non-Linear Regression - 비선형 회귀 모델은 종속 변수와 독립 변수가 비선형 관계인 것을 모델링 한 것이다. - 시각적으로 판단하거나, 선형 회귀 모델링을 정확하게 할 수 없을 때 적용한다 비선형 회귀는 종속 변수와 독립 변수 간의 비선형 관계를 모델링하는 회귀 분석 방법입니다. 선형 회귀(Linear Regression)와 달리, 비선형 회귀는 선형 매개 변수로 정확하게 모델링할 수 없는 비선형 관계를 포착할 수 있습니다. 비선형 모델은 종속 변수와 독립 변수 간의 비선형적인 관계를 고려합니다. 비선형 회귀 모델은 다항식, 지수 함수, 로그 함수, 로지스틱 함수 등 다양한 형태를 가질 수 있습니다. 매개 변수의 추정이 선형 회귀보다 어려울 수 있으며, 최소 제곱법(평균 제곱 오차 (M..
Multiple Linear Regression 실습 필요한 패키지 다운로드 import piplite await piplite.install(['pandas']) await piplite.install(['matplotlib']) await piplite.install(['numpy']) await piplite.install(['scikit-learn']) import matplotlib.pyplot as plt import pandas as pd import pylab as pl import numpy as np %matplotlib inline Matplotlib SciKit Learn # matplotlib.pyplot은 데이터를 차트나 플롯으로 시각화하는 패키지입니다. # 이를 plt라는 이름..
