- 전체보기(25)
- 알고리즘(16)
- 백준(8)
- ps(7)
- 데이터사이언스(6)
- 머신러닝(5)
- 분할정복(5)
- 기계학습(4)
- 데이터과학(4)
- 그리디(3)
- ML(3)
- 분할 정복(3)
- 문자열(3)
- 그래프이론(2)
- 트리(2)
- 종만북(2)
- 자료구조(2)
- 행렬(1)
- Trie(1)
- 해쉬(1)
- 이분탐색(1)
- 트라이(1)
- Sparse Table(1)
- BST(1)
- 탐욕(1)
- 벨만 포드(1)
- 인공신경망(1)
- 합(1)
- 세그먼트 트리(1)
- 군집(1)
- 거듭 제곱(1)
- BFS(1)
- 접두사(1)
- MLE(1)
- 그래프 이론(1)
- lowerbound(1)
- 너비우선탐색(1)
- 클러스트링(1)
- 로지스틱(1)
- 데이서과학(1)
- 정렬(1)
- 스택(1)
- 프로그래밍 대회(1)
- 실패함수(1)
- 최우추정법(1)
- 우선순위 큐(1)
- 머신 러닝(1)
- 그래프(1)
- 탐색(1)
- 문자열 검색(1)
- 프로그래밍대회(1)
- 데익스트라(1)
- 접미사(1)
- 맵(1)
- 문자열 매칭(1)
- upper_bound(1)
- 통계(1)
- ROC(1)
- KMP(1)
- 최단 거리(1)
- 딥러닝(1)
- kmeans(1)
- 다익스트라(1)
[ 알고리즘 ] Sparse Table(희소 행렬)
- 모든 정점의 나가는 간선이 정확히 1개인 유향 그래프 이 그래프에서 어떤 정점에서 출발하여 '$K$'번 이동 후 도착하는 정점을 구하는데, $K$가 매우 클 경우 선형적으로 정점들을 하나 하나 따라가는 방법은 시간이 매우 크게 걸릴 수 있습니다. 행렬의 거듭 제곱에서 분할 정복으로 해를 구했듯이, 이 문제도 분할 정복을 사용하여 $O(logN)$의 ...
[ML 입문] Ch. 6 K-평균법:비지도 학습모델 기초
ML 입문 시리즈의 모든 내용은 'IT 엔지니어를 위한 머신러닝 입문'을 참고했습니다. K-평균법 : 비지도 학습(unsupervised learning) 으로 실시하는 클러스터링의 기초가 되는 지식. 비슷한 데이터들끼리 그룹화하는 간단한 알고리즘이지만 분석 대상이 되는 데이터를 어떻게 선택하느냐에 따라 다양한 응용법을 생각해 볼 수 있음. 6.1 k-...
[ 알고리즘 ] lower_bound, upper_bound
Lowerbound, upperbound 모두 이분탐색에서 파생된 것으로 역시 자료들이 정렬되어 있어야 합니다. > - Lower_bound : 원하는 값 target 이상의 값이 처음으로 나오는 위치를 찾는 알고리즘 > - Upper_bound : 원하는 값 target 을 초과하는 값이 처음으로 나오는 위치를 찾는 알고리즘 Upperbound의 ...
[ML 입문] Ch. 5 로지스틱 회귀와 ROC곡선 : 학습 모델을 평가하는 방법
ML 입문 시리즈의 모든 내용은 'IT 엔지니어를 위한 머신러닝 입문'을 참고했습니다. 로지스틱 회귀는 퍼셉트론과 같은 분류 알고리즘 중의 하나인데 확률을 사용한 최우추정법(MLE)으로 파라미터를 결정함. 확률을 이용한 결과로 데이터의 속성을 추정할 때 '이 데이터는 $t = 1$이다'라는 단순한 추정이 아니고 '$t = 1$일 확률이 70%이다'라는 식...
[ML 입문] Ch. 4 퍼셉트론:분류 알고리즘 기초
ML 입문 시리즈의 모든 내용은 'IT 엔지니어를 위한 머신러닝 입문'을 참고했습니다. ex) $t=\pm1$인 2종류의 속성을 가진 데이터를 분류하는 직선을 발견하는 문제 4.1 확률적 경사하강법 알고리즘 (Stochastic gradient descent(SGD)) (1) 파라미터를 포함한 모델(수식)을 결정한다. (2) 파라미터를 평가할 기준을 정...
[ML 입문] Ch. 3 최우추정법 : 확률을 사용한 추정 이론
ML 입문 시리즈의 모든 내용은 'IT 엔지니어를 위한 머신러닝 입문'을 참고했습니다. 3.1 확률 모델을 이용한다. 최우 추정법 (Maximum Likelihood Estimate) : 어떤 데이터를 얻을 수 있는 확률을 설정하여 그 확률을 통해 가장 적합한 파라미터를 찾아냄. 3.1.1 데이터 발생 확률 설정 최소 제곱법의 경우, 다항식 근사로 얻어진...
[ML 입문] Ch. 2 최소제곱법 : 머신러닝 이론의 첫 걸음
ML 입문 시리즈의 모든 내용은 'IT 엔지니어를 위한 머신러닝 입문'을 참고했습니다. 회귀 분석의 목표 : 주어진 데이터가 어떤 함수로부터 생성됐는가를 알아보는 '함수관계'를 추측하는 것. 다항식과 함수 관계가 있다고 가정하고 다항식으로부터 얻어지는 예측값과 실제 관측 데이터의 오차를 최소로 하는 다항식의 계수를 결정 최소 제곱법에는 머신 러닝 이론의...
[ 알고리즘 ] 다익스트라(우선순위큐), 벨만 포드 알고리즘
다익스트라(dijkstra) 알고리즘 > 그래프에서 시작노드에서 다른 모든 노드간의 최단 경로를 찾는 알고리즘. 매번 방문 하지 않은 노드들 중 최단 거리가 가장 짧은 노드를 선택해 나간다. 매 순간 마다 현재 노드에서 가장 짧은 거리를 가진 노드를 찾는 과정에서, 리스트나 배열로 구현시 $O(V^2)$, 우선순위 큐로 구현시 $O(ElogV)$ 벨만 포...
[자료 구조] Segement Tree (세그 먼트 트리 )
참고 : https://youtu.be/075fcq7oCC8 https://youtu.be/ahFB9eCnI6c > - 세그먼트 트리(Segement Tree) : 세그 먼트 트리는 주어진 배열이나 수열의 구간을 저장하는 트리로서, 구간에 대한 쿼리를 효과적으로 수행 할 수 있습니다. 대표적으로 구간합, 구간에서의 최대/최소 값...
[ML 입문] Ch1. 데이터과학과 머신 러닝
ML 입문 시리즈의 모든 내용은 'IT 엔지니어를 위한 머신러닝 입문'을 참고했습니다. 1.1 업무에서의 데이터과학 데이터 과학의 목적 : 데이터를 업무에 적극적으로 활용하는 기법. 즉 데이터를 사용해서 더욱 더 정교한 판단이 이루어지도록 하는 것. => 이 목적을 실현하는 것이 데이터 과학의 역할. 데이터 과학의 관점에서 바라보면 머신 러닝이란 이전에...
