달력

1

« 2020/1 »

  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  •  


 

 

conda 가상환경

·       생성된 가상환경은 파이썬버전, 환경설정, 패키지 간의 독립성을 보장해줍니다.

·       가상환경 내에서의 변경 사항은 다른 가상환경에 영향을 끼치지 않습니다.

·       여러 개의 파이썬 프로젝트를 진행하여 관리할 수 있습니다.

 


Posted by codedragon codedragon

댓글을 달아 주세요


 

 

 

내장 함수(Built-in Function)

·       내장함수는 별도의 모듈(Module) 추가 없이 기본적으로 제공되는 함수들입니다.

·       자주 사용되는 함수들이 내장 함수로 기본적으로 제공되어집니다.

·       외부 모듈을 불러올 때는 import(내장 함수) 사용해야 하지만 내장 함수는 모듈 추가 없이 바로 활용 가능합니다.

 

 

 

대표적인 내장 함수

활용 빈도가 높고 중요한 함수들만 간략히 정리하였습니다.

·       abs,

·       max,

·       min,

·       pow,

·       chr,

·       str,

·       range,

·       type,

·       등…

 

 

 

메소드

설명

abs(x)

·       수치형 자료를 입력으로 받았을 때, 그 숫자의 절대값을 돌려주는 함수입니다.

·       함수의 인자로 수치형 데이터를 입력받아서 처리합니다.

chr(i)

·       정수 형태의 아스키(ASCII)코드 값을 입력으로 받아 그 코드에 해당하는 문자를 반환하는 함수입니다.

·       인수 i의 범위는 0부터 127까지입니다.

len()

·       리스트 내 요소의 개수를 돌려주는 함수입니다.

list(s)

·       반복 가능한 자료형 s를 입력받아 리스트로 만들어 리턴하는 함수입니다.

max(iterable)

·       주어진 자료 중 최대값을 반환하는 내장 함수로 인수로 반복 가능한 자료형을 입력받아 그 최대값을 리턴합니다.

·       시퀀스 자료형(문자열, 리스트, 튜플)을 입력받아 자료형이 지닌 원소 중 최대값을 반환하는 함수입니다.

min(iterable)

·       max 함수와 반대입니다.

·       주어진 자료 중 최소값을 반환하는 내장 함수로 인수로 반복 가능한 자료형을 입력받아 그 최소값을 리턴합니다.

·       시퀀스 자료형(문자열, 리스트, 튜플)을 입력받아 자료형이 지닌 원소 중 최소값을 반환하는 함수입니다.

pow(x,y)

·       수치형 자료형 x, y에 대해 x y승을 반환하는 함수입니다.

·       x y 제곱한 결과값을 리턴합니다.

str(object)

·       임의의 객체 object에 대해 해당 객체를 표현하는 문자열을 반환하는 함수입니다.

·       해당 객체를 잘 표현할 수 있는 문자열로 객체를 변환하여 반환해줍니다.

range([start,]stop[,step])

·       for문과 함께 자주 사용되는 함수입니다.

·       수치형 자료형으로 start, stop, step 등을 입력받아 해당 범위에 해당하는 정수를 반복 가능한 객체(리스트)로 만들어 반환하는 함수입니다.

type(a)

·       a 객체의 자료형을 반환합니다.

 

 


'Development > Python' 카테고리의 다른 글

if __name__ == "__main__"  (0) 2020.01.14
String Formatting(문자열 포맷팅)  (0) 2020.01.14
내장 함수(Built-in Function)  (0) 2020.01.13
choice()  (0) 2020.01.13
OpenCV-Python Study documentation  (0) 2020.01.12
CSS 셀러터로 찾기  (0) 2020.01.11
Posted by codedragon codedragon

댓글을 달아 주세요

2020. 1. 13. 09:58

choice() Development/Python


 

 

choice()

데이터 집합에서 일부를 무작위로 선택하는 샘플링(sampling)함수입니다.

 

numpy.random.choice(a, size=None, replace=True, p=None)

 

 

인자

설명

a

·       1-D array-like or int

·       배열이면 원래의 데이터를 샘플 데이터로 생성합니다.

·       정수이면 range(a) 명령으로 샘플 데이터 생성합니다.

size

·       int

·       샘플 숫자

replace

·       boolean

 

value

description

replace=True

·       기본값

·       한번 선택한 데이터를 다시 선택 가능합니다.

replace=False

·       번 뽑은 숫자를 다시 뽑지 않습니다.

 

p

·       1-D array-like

·       각 데이터가 선택될 수 있는 확률

 

https://docs.scipy.org/doc/numpy-1.14.0/reference/generated/numpy.random.choice.html

 


'Development > Python' 카테고리의 다른 글

String Formatting(문자열 포맷팅)  (0) 2020.01.14
내장 함수(Built-in Function)  (0) 2020.01.13
choice()  (0) 2020.01.13
OpenCV-Python Study documentation  (0) 2020.01.12
CSS 셀러터로 찾기  (0) 2020.01.11
plt.style.use()  (0) 2020.01.10
Posted by codedragon codedragon

댓글을 달아 주세요

 

web.xml에서 session유지 시간 설정하기

원하는 값으로 수정하면 됩니다.

 

/jspMain/WebContent/WEB-INF/web.xml

 <!-- 세션 유지 시간 지정(단위: ) 시작 -->

<session-config>

<session-timeout>50</session-timeout>

</session-config>

<!-- 세션 유지 시간 지정 종료 -->


 

 

 

기본값 확인하기

C:\CodeLab\apache-tomcat-7.0.65\conf\web.xml

기본값으로 세션의 유효시간은 30분으로 설정되어 있습니다.


 

 

Posted by codedragon codedragon

댓글을 달아 주세요


 

 

 

PI 추진방법론

 

 





 

직접 다운로드

 

PI추진방법론.pdf


 

 

or

http://bit.ly/2Gko6Rp

 


'Development > Git, PM' 카테고리의 다른 글

Brainstorming (브레인스토밍)  (0) 2020.01.20
PI 추진방법론  (0) 2020.01.13
Redmine과 GIT 연동시 고려사항  (0) 2020.01.06
Step4.형상관리 도구의 설치를 수행한다.  (0) 2019.12.31
데이터 아키텍처 프레임워크  (0) 2019.12.23
OSS 배포형태  (0) 2019.12.19
Posted by codedragon codedragon

댓글을 달아 주세요

2020. 1. 13. 09:56

과적합 검증 Development/Java



 

 

알고리즘별 정분류율 - IBk, J48, Logistic, SMO

10 교차검증 결과와 useTrainingSet 비교하여 과적합 검증을 수행합니다.

 

알고리즘

정분류율 (10-fold)

정분류율 (Use training set)

차이

IBk

72      %

100      %

100-72=28

J48

70.5    %

78.6    %

78.6-70.5=8.1

Logistic

75.2    %

75.2    %

75.2-75.2=0

SMO

75.1    %

78.4    %

78.4-75.1=3.3

 

 

 

 

 

데이터 해석

Logistic SMO (서포트벡테머신 분류기) 차이는 0%, 3% 이며 이는 과적합이 크게 발생하지 않는다는 것을 의미합니다. 과적합에 어느정도 자유롭다고 있습니다.

IBk 28% 과적합인 상태이며 8% 차이인 J48 과적합이 발생될 가능성이 높습니다.

 

10 교차검증 결과와 useTrainingSet 비교하면 과적합을 검증할 있습니다.

서포트벡터머신(SVM) 사용하면 과적합에 어느정도 자유롭다는 것을 10 교차검증 결과와 useTrainingSet 비교함으로써 입증이 되어졌습니다.

 

 

 

 

 

 


Posted by codedragon codedragon

댓글을 달아 주세요



 

 

 

 

결함 리포트

결함 관리를 위해 결함 발생 결함 관리시 스템에 결함을 등록하되 아래 항목들을 필수로 포함합니다.

·         결함 내용

·         테스트 케이스 식별 번호

·         결함 유형

·         발견일

·         심각도

·         우선순위(결함 수정의 우선순위)

·         시정 조치 예정일

·         수정 담당자

·         테스트 결과

·         종료일

 

https://codedragon.tistory.com/5401

 

 

 

 

 

 

프로젝트 수행 단계에 따른 테스트의 접근 방법

 

·         단위 테스트

·         통합 테스트

·         시스템 테스트

·         인수 테스트

 

 

https://codedragon.tistory.com/9984

https://codedragon.tistory.com/8937

https://codedragon.tistory.com/9914

https://codedragon.tistory.com/9943

https://codedragon.tistory.com/9113

 

 

 

 

 

 

 

형상관리 용어 - Git

https://codedragon.tistory.com/4763

 

 

 

 

 

 

 

결함 분석(Defect Analysis) 관련 용어 설명

https://codedragon.tistory.com/6178

 


Posted by codedragon codedragon

댓글을 달아 주세요


 

 

텍스트 마이닝(Text Mining)

·       비정형 데이터 마이닝의 유형 하나입니다.

·       정형화되지 않은 문자 데이터에서 유의미한 정보를 찾아내어, 쓸모 있는 정보로 가공, 분석하는 것입니다.

·       텍스트 기반의 데이터에서 새로운 정보를 발견할 있도록 검색, 추출, 체계화, 분석하는 기술 처리 과정입니다.

·       단어의 등장 횟수 등을 평가하여 문서간의 유사성을 수치화하는 분석 방법입니다.

·       반전형 또는 비정형 텍스트에서 자연어 처리기술을 기반으로 가치있는 정보를 추출하고 가공합니다.

·       텍스트 형태로 이루어진 비정형 데이터들을 자연어 처리 방식(NLP; Natural Language Processing) 이용하여 정보 추출하는 기법입니다.

·       텍스트 마이닝(Text Mining) 활용하면 비정형화된 문서에서 정보를 얻을 있다는 장점이 있습니다. 예를 들어 텍스트 정보에서 문맥을 파악하거나 텍스트 연계를 분석할 있습니다.

 

·       텍스트 마이닝(Text Mining) 텍스트 프로세싱(Text-processing) 기술 처리 과정 포함합니다. 이는 텍스트 기반의 데이터로부터 새로운 정보를 발견할 있도록 하며, 정보 검색, 추출, 체계화, 분석 과정 모두 포함합니다.

·       텍스트 마이닝은 비정형 반정형 데이터에 대하여 자연어 처리 기술과 문서 처리 기술을 적용하여 유용한 정보를 추출, 가공하는 목적으로 하는 기술입니다.

·       실생활에서 만들어지는 대부분의 자료는 문서 형태입니다. 여러 분야의 논문, 신문 또는 잡지의 기사, 여론조사, 콜센터의 전화 보고서, 이메일, 디지털 형태의 문서 등이 문서 형태 가지고 있습니다.

·       텍스트 기반의 데이터로부터 새로운 정보를 발견할 있도록 정보 검색, 추출, 체계화, 분석을 모두 포함하는 Text-processing 기술 처리 과정입니다.

·       텍스트 내에 존재하는 단어의 등장횟수 등을 평가하여 문서간의 유사성을 수치화 하는 텍스트 데이터를 분석하는 방법입니다.

·       유사 문서 분류 및 문서 내 정보 추출과 같은 결과를 산출할 수 있습니다.

·       SNS, 게시판, 블로그, 검색 키워드등이 주로 분석 대상이 됩니다.

·       분석결과는 고객반응 수요 예측 등의 측면에서 중요한 지표가 됩니다.

 

 

 

 


Posted by codedragon codedragon

댓글을 달아 주세요