효율적인 프로토타입 테스트를 위한 고려 사항

릴리즈 노트 작성 항목

CASE 1

CASE 2

인터뷰(Interview)

·         질문을 하고 답변을 받는 대화기법으로 특정한 목표를 가지고 특정인과 대화하는 것을 말합니다.

·         고객, 사용자, 도메인 전문가로부터 요구정보를 효과적으로 수집합니다.

·         많은 정보 획득을 위한 계획이 중요합니다.

·         가능하면 많은 관련자들과 인터뷰 관련자외 사람들도 인터뷰하는 것도 고려해야 합니다.

·          뉴스의 취재에서도 많이 사용되며 면접(面接), 면담(面談)이라고도 한다.

http://bit.ly/2L0hr4u

http://bit.ly/2vPYJEV

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

 http://bit.ly/2GrkFrT

인터뷰 준비 절차

인터뷰는 절차에 의하여 준비하여야 효과적입니다.

IRIS.ARFF 데이터 셋

웨카(WEKA) 설치 시 데이터 디렉토리에 설치되어 있는 아이리스 데이터셋입니다.

IRIS.ARFF 데이터 셋  파일

C:\Program Files\Weka-3-8\data\iris.arff

IRIS.ARFF 데이터 셋의 헤더 부분 정보

IRIS.ARFF 데이터 셋의 본문 부분 정보

·       본문 부분은 @DATA로 시작합니다.

·       각 라인은 데이터의 행을 나타내는 레코드를 의미합니다.

·       데이터 속성의 값들은 헤더에  정의된 속성 정의 순서를 따르게 됩니다.

클래스 정의

·         "class 클래스명" 을 사용하여 정의합니다.

·         데이터와 데이터를 변형하는 함수를 같은 공간에 작성하게 됩니다.

·         클래스 내부에 선언된 변수와 메서드는 모두 현재 객체의 attribute(속성) 이라고 합니다.

·         다른 OOP 언어와 달리 파이썬은 Dynamic Language로서 새로운 attribute를 동적으로 추가할 수 있고, 메서드도 일종의 메서드 객체로 취급하여 attribute를 포함하고 있습니다.

빈 클래스 생성

클래스 멤버를 정의하지 않은 가장 간단한 빈 클래스

랜덤포레스트(Random forest)

·         분산이 큰 의사결정나무의 단점을 통계적 기법으로 극복한 방법입니다.

·         여러 개의 의사결정 나무를 만들고, 각각의 나무에, 부트스트랩을 이용해 생성한 데이터셋으로 모델을 구성합니다. 편향을 증가시킴으로써, 분산이 큰 의사결정나무의 단점을 완화시킵니다.

·         배깅에 랜덤 과정을 추가한 방법입니다. (bagging + random)

·         배깅(bagging)의 개념과 feature(또는 변수)의 임의 선택(Random selection)을 결합한 앙상블 기법(ensemble)입니다.

·         원 자료로부터 부트스트랩 샘플을 추출하고, 각 부트스트랩 샘플에 대해 트리를 형성해 나가는 과정은 배깅과 유사하나, 각 노드마다 모든 예측변수안에서 최적의 분할(split)을 선택하는 방법 대신 예측변수들을 임의로 추출하고, 추출된 변수 내에서 최적의 분할을 만들어 나가는 방법을 사용합니다.

http://bit.ly/2nLKIVt

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

weka.clusterers.SimpleKMeans 명령어 옵션

K-평균(K- MEANS) 군집분석을 수행하기 위한 SimpleKMeans 클래스 실행시 필요한 옵션들입니다.

선형 회귀(Linear Regression)

·         ≒ 최소제곱법(OLS; ordinary least squares)

·         종속 변수(또는 반응 변수)를 독립 변수(또는 설명 변수)에 의해 설명하는 모델을 다루는 회귀 분석(Regression Analysis)의 한 종류입니다.

·         선형 회귀는 예측과 훈련 세트에 있는 타깃 변수 사이의 평균제곱오차(mean squared error)를 최소화하는 파라미터를 찾습니다.

·         선형 회귀는 매개변수가 없는 것이 장점이지만, 모델의 복잡도를 제어할 수 없다는 단점이 있습니다.

·         선형 회귀는 종속 변수 y를 하나 또는 그 이상의 설명 변수 X로 설명하는 모델을 만드는 방법입니다. 선형 회귀가 찾은 결과는 y = aX + ε과 같은 형태가 됩니다.

·         회귀함수에서 소문자 x가 아니라 대문자 X를 사용했다는 점에 유의해야 합니다. 대문자 X는 벡터 또는 행렬을 의미합니다.

·         Linear regression predicts output by fitting a linear equation
(y=ax+b) to observed data.

·         선형 회귀를 수행할 때 범주형 변수는 가변수(dummy variable)로 바뀝니다.

·         상호 작용(Interaction)이 있을 때 model.matrix를 살펴보면 이 사실을 확인할 수 있습니다.

·         평균으로 돌아간다는 뜻의 선형 회귀는 미래를 예측하는 중요한 공식을 만들 수 있습니다.

http://bit.ly/2Q16UnQ

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

Sample database with test suite

https://launchpad.net/

https://launchpad.net/test-db

https://launchpad.net/test-db/employees-db-1/1.0.6/+download/employees_db-dump-files-1.0.5.tar.bz2

https://launchpad.net/test-db/employees-db-1/1.0.6/+download/employees_db-full-1.0.6.tar.bz2

https://launchpad.net/test-db/employees-db-1/1.0.6/+download/employees_db-code-1.0.6.tar.bz2

https://github.com/datacharmer/test_db

직접 다운로드

employees_db.zip

employees_db.z01

employees_db.z02

employees_db.z03

employees_db.z04

employees_db.z05

<context:component-scan> 태그

·         Component Scan을 지원하는 태그입니다.

·         Bean이 될 수 있는 모든 Component들을 자동으로 찾아 Bean Container에 등록합니다.

·         단, 의존성 관계 등록은 따로 하지 않습니다.

·         특정 패키지 안의 클래스들을 스캔하고, Annotation을 확인 후 bean 인스턴스를 생성합니다. @Component @Controller @Service @Repository 등의 Bean 등록 Annotation이 존재해야 bean을 스캔한 후 생성할 수 있습니다

·         @Autowired와 @Qualifier Annotation을 인식할 수 있습니다.

·         @Component를 통해 자동으로 Bean을 등록하고, @Autowired로 의존관계를 주입 받는 어노테이션을 클래스에서 선언하여 사용했을 경우에는 해당 클래스가 위치한 특정 패키지를 Scan하기 위한 설정(<context:component-scan> 태그)을 스프링 설정 XML에 해주어야 합니다.

·         component-scan을 선언했다면 context:annotation-config를 선언할 필요가 없습니다.

·         component-scan과 수동  DI(setter, contructor)는 혼용해서 사용할 수 있습니다.

패키지명 이후의 하위 패키지를 검색해 @Component 어노테이션을 포함하는 모든 클래스를 Bean으로 자동 등록해 줍니다.

<context:include-filter> & <context:exclude-filter>

<context:include-filter>태그와 <context:exclude-filter>태그를 같이 사용하면 자동 스캔 대상에 포함시킬 클래스와 포함시키지 않을 클래스를 구체적으로 명시할 수 있습니다.

use-default-filters="false"속성은 expression에 지정한 타입만 include 시켜줍니다.