✔️알고리즘 그래프 이론 그래프 탐색 너비 우선 탐색 ✔️ 실패한 접근방법 1. DFS 로 탐색. 한 좌표에서 동서남북 모든 길을 재귀호출로 탐색 2. 이동할 때마다 count 를 +1 해주고 만약 길을 되돌아올 경우 count 를 -1 해줌 3. 풀이는 가능하지만 재귀호출이 너무 많아 시간초과 ( ** 가지치기 시도해보고 싶었으나 진행 X) from copy import deepcopy import sys import queue #sys.setrecursionlimit(1000000) class Maze: def __init__(self, graph, visited, find_x, find_y): self.graph = graph self.visited = visited self.find_x = fin..
전체 글
💡 Feature Selection Feature 선별을 통해 차원을 줄이고 노이즈 제거 효과 성능 향상 학습 속도 up 예측 성능 up 결과에 대한 간결성과 이해도 up 선별한 feature 자체가 의미 있는 경우도 있음 Ex) 특정 질병의 병변을 유도하는 Gene data에 대한 feature selection Supervised feature selection Filters method : feature 개별 영향력만을 고려해 선별 ex) information gain, Chi-square 좋은 feature를 선택하는 용도 보다는 않좋은 feature를 1차 제거하는 용도로 사용 Embeded method : Feature 평가 + 모델 구축이 통합되어 있음 주로 feature 개별에 대한 영향력..
💡 좋은 모델 개발은 좋은 데이터에서 비롯된다. 아무리 좋은 알고리즘을 사용하고 갖은 노력을 들여도 데이터가 쓰레기면 결코 좋은 성능은 기대하기 힘들다. Imputation 결측치(NA) 값은 머신러닝 모델 성능에 영향을 줌 70% 이상의 결측치가 있는 행과 열은 지워주는 것도 좋다 Numerical Imputation (수치형 데이터) - 결측치를 0 이나 중앙값으로 대체 Categorical Imputation (범주형 데이터) - 가장 많이 발생한 값으로 대체 - 아예 새로운 범주로 대체 Random sample Imputation -데이터셋에서 임의로 뽑은 값으로 대체 End of Distribution Imputation -mean(평균) + 3*std(분산) 으로 대체 - 결측치를 outlie..
💡 Color 클래스 Color 클래스에 정의 되어 있는 색상 문자열 사용(직접 Color 리소스에 색상 추가해 사용 가능) ex) Color.RED Color.rgb() 로 RGB 직접 지정 ex) Color.rgb(255,255,255) Color.argb() 로 RGB 및 투명도 직접 지정 ex) Color.argb(122,255,255,255) //투명도,R,G,B