상수(11)
-
관계 연산자(비교 연산자; comparison operator), 비교 연산자 종류
관계 연산자(Relational Operator) · ≒ 비교 연산자(comparison operator) = 논리 관계 연산자 · 변수나 상수의 값을 비교할 때 쓰이는 연산자(두 피연산자 사이의 관계를 확인)입니다. · 관계를 비교하여 참(True)과 거짓(False)을 결과로 반환하는 연산자 · 연산 결과는 항상 true 또는 false인 논리값(boolean)이 반환됩니다. · if, when의 조건식과 함께 많이 사용됩니다. 비교 연산자 종류 두 개의 피연산자를 가지는 이항 연산자이며, 피연산자들의 결합 방향은 왼쪽에서 오른쪽입니다. 연산자 의미 반환값 > 크다 n1 > n2 //n1이 n2보다 큰가? 왼쪽 피연산자가 오른쪽 피연산자보다 크면 참, 아니면 거짓 = 크거나 같다 n1 >= n2 //..
-
Ex13- 실수형의 데이터 표현 범위 상수를 통한 최소값/최대값 출력
실수형의 데이터 표현 범위 상수를 통한 최소값/최대값 출력 소스코드 #include #include //실수형의 데이터 표현 범위 상수 정의 int main(void) { printf("float의 최소값: %e, 최대값: %e \n", FLT_MIN, FLT_MAX); printf("double의 최소값: %e, 최대값: %e \n", DBL_MIN, DBL_MAX); printf("long double의 최소값: %e, 최대값: %e \n", LDBL_MIN,LDBL_MAX); return 0; } 출력결과
-
Ex10-정수형 데이터 표현 최소값(MIN)과 최대값(MAX) 상수
정수형 데이터 표현 최소값(MIN)과 최대값(MAX) 상수 소스코드 #include #include // 정수형의 최소값(MIN), 최대값(MAX) 상수 정의 int main(void) { printf("char 최소값: %d, 최대값: %d \n", CHAR_MIN, CHAR_MAX); printf("short 최소값: %d, 최대값: %d \n", SHRT_MIN, SHRT_MAX); printf("int 최소값: %d, 최대값: %d \n", INT_MIN, INT_MAX); printf("long 최소값: %d, 최대값: %d \n", LONG_MIN, LONG_MAX); return 0; } 출력결과
-
Ex08-상수를 기호화하여 변수처럼 이름이 있는 상수
상수를 기호화하여 변수처럼 이름이 있는 상수 const 키워드 이용하여 상수 정의하기 #define문 이용하여 상수 정의하기 소스코드 #include //#define문 이용하여 상수 정의하기 #define PI 3.14 #define NUM 100 #define FILE_SIZE 1024 #define BUFFER_SIZE 256 int main() { printf("%lf \n", PI); printf("%d \n", NUM); printf("%d \n", FILE_SIZE); printf("%d \n", BUFFER_SIZE); return 0; } 출력결과
-
Ex07- 상수를 기호화하여 변수처럼 이름이 있는 상수
상수를 기호화하여 변수처럼 이름이 있는 상수 const 키워드 이용하여 상수 정의하기 #define문 이용하여 상수 정의하기 소스코드 int main(void) { //const 키워드 이용하여 상수 정의하기 const int NUM = 10; // 심볼릭 상수의 선언과 동시에 초기화 const double PI = 3.14; // 심볼릭 상수의 선언과 동시에 초기화 //NUM = 20; //PI = 4.14; return 0; } 출력결과 const int NUM = 10; NUM = 20;
-
k-평균 군집화(k-means clustering)
k-평균 군집화(k-means clustering) · ≒ k-평균 클러스터링 · 사전에 결정된 군집 수 K에 기초하여 전체 데이터를 상대적으로 유사한 K개의 군집으로 구분하는 방법입니다. · 상호배반적인 K개의 군집을 형성합니다. · 군집의 수 K를 사전에 결정해야 합니다. · 모집단 또는 범주에 대한 사전 정보가 없을 때 주어진 관측값들 사이의 거리를 측정하고 유사성을 이용하여 분석합니다. · 전체 데이터를 여러 개의 집단으로 그룹화함으로써 각 집단의 성격을 파악할 수 있고 데이터 전체의 구조를 이해하기 위한 방법입니다. · 새로운 데이터와 기존 데이터 간의 유클리디안 거리가 최소가 되도록 클러스터링합니다. 기존 데이터를 기준점으로 하여 유클리디안 거리 측정 거리가 최소화되도록 k개의 군집들로 클러스..