Leta Learns

#vscode html 자동완성 html 파일 만들고 ! 친 후 enter #html과 css 파일 연결 link:css 친 후 href에 css 파일명 입력 #css flex-wrap: wrap; #다음 줄로 넘어감 flex-wrap: nowrap; #다음 줄로 넘어가지 않음 #html input type="range" Input header에서 (intro화면으로 넘어가는) back 버튼과 타이틀을 정렬하는데 꽤나 시간이 소요됐다. back 버튼을 div로 묶고, 타이틀은 h1 태그를 이용하였다. (추후 타이틀은 이미지로 교체 예정) div와 h1의 width를 33%로 설정하여 세 부분으로 나누었다. 버튼을 왼쪽 정렬하기 위해 margin-left를 0px로 설정. 타이틀을 중앙 정렬하기 위해 fl..

git clone [clone할 git 링크] cd [해당폴더] npm install => 여기서 node-gyp-build 없다는 에러 나서 npm install node-gyp-build 해줌 그 후 다시 npm install npm start 했는데.. 에러남. ㅋㅠ (아예 삭제하고 다시 했더니 됨...) local 저장소로 옮기는 법 (git) git add -> commit -> push vscode / ctrl + shift + P : show all commands git history (extension 다운) 시계 모양 누르면 git history 뜸

정규화 회귀 (Regularized regression) : 선형 회귀 계수에 대한 제약 조건을 추가함으로써 과적합 현상을 막는 방법. 정규화 : 벡터의 크기를 최소화하는 것. (놈의 크기를 최소화 하는 것) ex) 랏소(Lasso), 릿지(Ridge) 회귀모형 벡터의 크기: 놈(norm) 컴퓨터는 직접 계산 못하고 벡터로 연산. (행렬 형태로 바꿔서 처리함) 과적합 : 기계학습에서 학습데이터를 과도하게 학습한 것. Lasso 회귀모형 : 가중치의 절대값의 합을 최소화. Ridge 회귀모형 : 가중치들의 제곱합을 최소화. 단순선형회귀 헷갈린 부분 정리 등분산, 이분산 귀무가설: 기울기 0 귀무가설을 기각할 수 있어야 해당 모형이 의미 있는 모형이라고 할 수 있다. 잔차진단 (plot 함수 사용) 1) 모..

로그선형 회귀 Log-linear models 로그 처리를 원하는 변수에 log() 함수를 씌워준다. 데이터가 간단한 선형이 아니라 촘촘하게 붙어있는 경우. x축의 독립변수가 증가할 때 종속변수의 증가량이 작은 수치로 변하는 경우. => 로그를 취하면 보기 수월해짐. 국지가중회귀 Locally Weighted Regression 특정 데이터만 이용 ex) lm.autos4

다항회귀분석 Polynomial Regression Rstudio 실습 선형모형 #abline() : R 그래프에 직선 추가. 다항모형 #lines(women$height, fitted(lm.women2)) 다항함수 그림 그리는 건 이 함수를 잘 이용하면 된다. 선형모형과 다항모형 비교 => lm.women2 AIC 모델 값이 더 좋다. => 직선 모델보다는 곡선 모델이 더 설명을 잘한다. y = a + bx lm(y변수 ~ x변수, data = data_frame) lm(y변수 ~ (I*x변수^2), data = data_frame) lm(y변수 ~ (I*x변수^2) + (I*x변수^3), data = data_frame) 이런 식으로 증가. 4차 함수까지도 가능. 5차 함수부터는 안 된대.

다중회귀분석 : 종속변수 1개에 독립변수 2개 이상인 경우 사용 Linear model 함수를 돌리고 summary 함수를 돌렸을 때 coefficient 옆에 별표가 나온다. 별표 개수 多 => 해당 독립변수는 모형에 영향력이 있다. => p-value 값이 0.05보다 작다. 0 ~ 0.001 별 3개. 0.001 ~ 0.01 별 2개 0.01 ~ 0.05 별 1개 별이 없으면 irrelevant variable (모델에 큰 영향 x) Adjusted R-squared (수정 결정계수): 독립 변수 개수가 늘어나면 R-squared 값도 같이 증가. AIC : Akaike Information Criterion 다중공선성 회귀분석 시 기본 전제: 독립변수 간에는 서로 영향을 미치지 않는다. But, ..

BLUE (Best Linear Unbiased Estimators) 선형성을 띤다. 오차의 기대값은 0이다. 등분산성을 띤다. 오차항의 자기상관은 없다. 독립변수는 확률적으로 움직이지 않는다. BLUE 가정을 했을 때, OLS 방법을 쓴다. (최소자승법. 최소제곱법)

cd 없이 d: 만 입력

문제 https://www.acmicpc.net/problem/1647 1647번: 도시 분할 계획 첫째 줄에 집의 개수N, 길의 개수M이 주어진다. N은 2이상 100,000이하인 정수이고, M은 1이상 1,000,000이하인 정수이다. 그 다음 줄부터 M줄에 걸쳐 길의 정보가 A B C 세 개의 정수로 주어지는데 A번 집 www.acmicpc.net 크루스칼 사랑해. 이제 크루스칼은 문제 이해만 잘 하면 나름 수월하게 풀 수 있다. 근데 그 문제 이해가 오래 걸린다.. 이걸 어떻게 크루스칼로 풀어야 하는지, 이게 왜 크루스칼인지.. 뭐 풀다보면 익숙해지겠지..? import sys input = sys.stdin.readline def find(a): if a == parent[a]: return a..

Today I Learned 2021.07.07 - [HUFS/HUFS 모각코 캠프] - [모각코] 210707 Today I Learned 2021.07.10 - [HUFS/HUFS 모각코 캠프] - [모각코] 210710 Today I Learned 2021.07.14 - [HUFS/HUFS 모각코 캠프] - [모각코] 210714 Today I Learned 2021.07.17 - [HUFS/HUFS 모각코 캠프] - [모각코] 210717 Today I Learned 2021.07.22 - [HUFS/HUFS 모각코 캠프] - [모각코] 210721 Today I Learned 2021.07.24 - [HUFS/HUFS 모각코 캠프] - [모각코] 210724 Today I Learned 2021..