달력

12

« 2019/12 »


 

 

Pure CSS Francine

Atom 에디터로 HTML CSS 직접 코딩하여 그린 그림

 

https://github.com/cyanharlow/purecss-francine


 

purecss-francine-master.zip


Posted by codedragon codedragon

댓글을 달아 주세요


 

 

데이터 연동 기술의 발전

데이터 연동 기술은 데이터 제공자와 데이터 처리 기술로 계속 발전되어져 나가고 있습니다.

 


 

 

구분

설명

초기 데이터베이스

·         초기 데이터베이스는 폐쇄적인 특징을 가지고 있습니다.

·         데이터베이스에서 제공하는 클라이언트를 이용하여 데이터 소스로 접속

ODBC

·         Open Database Connectivity

·         데이터베이스 별로 접속할 있는 방법을 통합하기 위해 Microsoft사에서 개발한 기술입니다.

OLE DB

·         Object Linking and Embedding, Database

·         Microsoft사에서 UDA(Universal Data Access) 개념을 이용하여 데이터 소스에 접속하는 SQL기반 데이터에 접근이 가능합니다.

ADO

·         ActiveX Data Objects

·         데이터 소스로의 접속 뿐만 아니라, 실제 데이터 소스를 처리할 있는 기술입니다.

 

ADO.NET

·         ActiveX Data Objects .NET

·         Microsoft사에서 .NET 프레임워크를 개발하면서, ADO .NET 적용한 기술입니다.

 

 


Posted by codedragon codedragon

댓글을 달아 주세요


 

 

"You are not expected to understand this"

Unix OS 소스코드 slp.c파일에 있는 주석의 문구입니다.

 

 

/usr/sys/ken/slp.c


http://bit.ly/2PZtwYQ

 


Posted by codedragon codedragon

댓글을 달아 주세요


 

 

소수(Prime number)

·         1과 자기 자신으로밖에 나누어지지 않는 1 이외의 정수

·         자신보다 작은 개의 자연수를 곱하여 만들 없는 1보다 자연수

·         1 자신 이외의 자연수로는 나눌 없는 자연수

 

http://bit.ly/2PN3Jj5

http://bit.ly/2CY4cMz

https://en.wikipedia.org/wiki/Prime_number

 

슷자

설명

5

1 * 5

5 * 1

5 1x5 또는 5x1 수를 곱한 결과를 적는 유일한 방법이 자신을 포함하기 때문에 5 소수(Prime number)입니다.

6

2 * 3

자신보다 작은 숫자(2×3) 곱이므로 소수가 아닙니다.

1보다 자연수 소수가 아닌 것은 합성수(Composite number)라고 합니다.

 

 

 

 


 



Posted by codedragon codedragon

댓글을 달아 주세요


 

 

등가 분할(Equivalence Partitioning)

·         등기 분할

·         입력값/출력값 영역(Input/Output Space) 유한 개의 상호 독립적인 집합(Mutual Disjoint Subset)으로 나누어 수학적인 등가 집합을 만든 , 등가 집합의 원소 대푯값을 선택하여 테스트 케이스를 도출하는 방법입니다.

·         동등 분할 클래스는 유효한 입력 데이터뿐 아니라 유효하지 않은 입력 데이터(입력되지 말아야 ) 포함할 있습니다.

·         입력 데이터의 도메인(Domain) 유사한 특징을 가진 그룹(Class)으로 분류하여 그룹(Class)에서 대표 테스트 케이스를 도출하는 방법입니다.

·         동일한 입력에 대해서는 항상 동일한 결과를 가져오도록 그룹(Class) 구분합니다.

·         유효한 입력 조건을 대표하는 유효한 그룹(Valid Class) 외의 다른 경우를 대표하는 유효하지 않은 그룹(Invalid Class)으로 구분하는 것이 일반적입니다.

 

 

 


Posted by codedragon codedragon

댓글을 달아 주세요



 

 

NumPy Reference

금융, 선형대수학 등 다양한 분야의 함수를 확인할 있습니다.

 

https://docs.scipy.org/doc/numpy-1.13.0/reference/


 

 

 

 

 

NumPy Manual

https://docs.scipy.org/doc/numpy/index.html


 


'Development > Python' 카테고리의 다른 글

with ~ as 구문  (0) 2019.12.28
파일 입출력 관련 함수들  (0) 2019.12.27
NumPy Reference, NumPy Manual  (0) 2019.12.26
리스트 슬라이싱(Slicing)  (0) 2019.12.25
비트연산자(Bitwise 연산자)  (0) 2019.12.25
Anaconda - download (다운로드)  (0) 2019.12.24
Posted by codedragon codedragon

댓글을 달아 주세요


 

K-평균 클러스터링 절차

 

단계

설명

.

군집 개수 결정 (k=n) 후 임의의 중심점 n개를 설정합니다.

 

 


 

 

 

.

데이터 내의 각 관측치에 대해 n개의 중심점까지의 거리를 계산한 후 가장 가까운 중심점을 각 관측치들의 군집 중심점으로 정합니다.

 


 

.

'' 단계에서 정해진 군집 중심점에 따라 개별 데이터 관측치의 소속 군집을 할당한 뒤, 각 군집 중심점을 다시 계산합니다

 


 

.

'' 단계에서 계산된 군집 중심점을 이용하여 다시 '' '' 단계를 반복합니다.

 


 

.

관측치들의 군집 할당이 더 이상 변하지 않을 때까지 반복한 뒤, 모든 데이터 세트내의 관측치들의 군집 할당이 변경되는 경우가 발생하지 않으면 알고리즘 계산을 종료합니다.

 

 

 

 

https://codedragon.tistory.com/9936

 


'Development > Big Data, R, ...' 카테고리의 다른 글

양측 검정 vs 단측 검정  (0) 2019.12.28
확률의 조건  (0) 2019.12.27
4.Summary - 4. 자율모델 적용하기  (0) 2019.12.26
createDataPartition()  (0) 2019.12.26
평활(smoothing)  (0) 2019.12.25
2.Summary - 2. 데이터 세트 분할하기  (0) 2019.12.25
Posted by codedragon codedragon

댓글을 달아 주세요



 

 

createDataPartition()

·         {caret} 패키지의 함수입니다.

·         데이터를 훈련 데이터와 테스트 데이터로 분할하여 훈련 데이터로 사용할 데이터의 색인을 list 반환합니다.

 

createDataPartition(y, times=1, p=0.5)

y 값을 고려한 데이터의 분할을 지원합니다.

 

인자

설명

y

분류(또는 레이블)

times=1

생성할 분할의

p=0.5

훈련 데이터에서 사용할 데이터의 비율

list=TRUE

결과를 리스트로 반환할지 여부

TRUE

리스트를 반환합니다.

FALSE

행렬을 반환합니다.

 

 

 

 

 

> # 종에 관련된 데이터로 구성
> #
훈련 데이터와 테스트 데이터로 분할하여 훈련 데이터로 사용할 데이터의 색인을 list 반환
> #
비율은 p=0.7 70% 지정
> ss <- createDataPartition(iris$Species, p=0.7)

> ss
$Resample1
  [1]   1   3   4   5   6   7  10  11  12  14  15  16  17  19  20  21
 [17]  23  24  25  27  29  31  32  33  34  36  37  38  41  42  44  45
 [33]  47  49  50  51  52  53  55  57  59  61  62  63  64  65  66  68
 [49]  70  71  73  75  76  77  79  80  81  83  84  85  86  87  89  91
 [65]  92  93  94  97  98 100 102 103 104 107 108 109 110 112 114 118
 [81] 119 121 122 123 124 125 126 127 128 130 131 132 133 134 135 136
 [97] 137 138 139 140 141 144 145 146 149

>

 

 


'Development > Big Data, R, ...' 카테고리의 다른 글

확률의 조건  (0) 2019.12.27
4.Summary - 4. 자율모델 적용하기  (0) 2019.12.26
createDataPartition()  (0) 2019.12.26
평활(smoothing)  (0) 2019.12.25
2.Summary - 2. 데이터 세트 분할하기  (0) 2019.12.25
dplyr 패키지  (0) 2019.12.24
Posted by codedragon codedragon

댓글을 달아 주세요