너와 나의 스토리

gRPC, Protoc 다운 받는 곳 & 방법 - 2019/08/09 - [Machine learning] - python으로 gRPC / tools 설치하는 방법 1. git bash 앱에서 github을 clone한다. git clone https://github.com/Microsoft/vcpkg.git 2. bootstrap-vcpkg.bat을 실행시킨다. 그럼 vcpkg.exe가 build된다. 3. 그 후, cmd에서 vcpkg가 있는 곳으로 디렉토리 이동한다. vcpkg integrate install 이 명령으로 vcpkg를 시스템 구성과 통합하여 전체적으로 실행하도록 한다. 출처: medium - https://medium.com/@dev.ashurai/protoc-protobuf-ins..

문제: https://www.acmicpc.net/problem/6439 문제 풀이: 직사각형의 대각선 두 점으로 (a,b), (c,d)를 입력 받았을 때, 나머지 두 점은 (c,b), (a,d)가 된다. 변 4개와 직선의 ccw를 구해 교차하는지 확인하고 한 변이라도 교차하면 T를 출력하고, 다른 변은 더 이상 보지 않아도 된다. 주의! 선분이 직사각형의 내부에 존재할 수도 있다. 확인을 위해 직사격형과 선분에서 최소/최대 x값과 최소/최대 y값을 구하고 비교해준다. 소스코드: ...더보기 typedef long long ll; typedef pair P; ll tc, a, b, c, d,ix1,iy1,ix2,iy2; ll ccw(P, P, P); bool func(P p1, P p2, P p3,P p..

문제: https://www.acmicpc.net/problem/1708 문제 풀이: Convex Hull 알고리즘 중 Graham's Scan 방법을 이용하여 풀었다. (다른 방법으로는 monotone chain convex hull 방법이 있다) 입력 받은 좌표 중 가장 작은 y값을 가진 점 중 가장 작은 x값을 가진 점을 기준점으로 삼는다. 그 기준점과 모든 점과의 기울기를 기준으로 좌표를 정렬한다. 기울기가 작은 점들부터 비교 연산을 시작한다. 처음에 벡터(나는 벡터를 스택처럼 사용)에 기준점과 기울기가 가장 작은 점, 두 점을 백터에 넣는다. 그 후 인덱스(idx)를 증가시켜가며 현재 벡터의 top에 있는 2점을 기준으로 ccw가 양수이면 해당 좌표의 인덱스를 벡터에 넣고 idx++ ccw가 음..

문제: https://www.acmicpc.net/problem/2162 문제 풀이: 두 선분을 뽑아 만나는지 확인한다 선분1에서 선분2의 한 점과의 ccw, 다른 점과의 ccw가 둘 다 0이고 반대의 경우도 다 0이면 두 선분이 일직선 상에 존재한다는 말이므로 따로 if문을 만들어서 겹치는지 확인해준다 다 0이 아니라면 선분1에서 선분2로의 ccw곱이 음수이고, 선분2에서 선분1로의 ccw곱도 음수이면 둘은 겹친다고 볼 수 있다. 겹친다면 union find 알고리즘을 이용해서 연결 시켜준다. 각 그룹에 속하는 선분의 개수를 알기 위해 루트에 새로운 선분 그룹을 연결할 때, 그 인원수를 루트 부모 변수에 더해준다. 즉, 부모를 기록하는 변수인 p를 처음에 -1로 초기화하고 다른 선분이 추가되면 -2, ..

문제: https://acmicpc.net/problem/2166 문제 풀이: 한 점을 잡고 두 점씩 뽑아 (ccw 값/2)를 해준다. * ccw 값: 두 변을 기준으로한 평행사변형의 넓이 빨간 원이 기준 소스 코드: typedef pair P; vector v; long double res; int main() { ios::sync_with_stdio(false); cin.tie(NULL); cout.tie(NULL); int n; cin >> n; while (n--) { long double x, y; cin >> x >> y; v.push_back({ x,y }); } long double ax = v[0].first; long double ay = v[0].second; for (int i = ..

[출처] [Dataset] 1. importing import pandas as pd import numpy as np import matplotlib.pyplot as plt df=pd.read_csv('./input/Position_Salaries.csv') 2. Asigning the input and output values X=df.iloc[:,1].values y=df.iloc[:,2].values 3. Fitting Random Forest Regression to the dataset from sklearn.ensemble import RandomForestRegressor regressor = RandomForestRegressor(n_estimators = 10, random_state..

Ensemble learning 참조 Ensemble method: 여러개의 머신 러닝 알고리즘으로부터 예측을 결합하는 기술 Types of Ensemble Learning (model combining method) Boosting AdaBoost / Gradient Boost Bosststrap Aggregation (Bagging) Majority Voting / Bagging / Random forest Boosting 가중치 평균을 사용하여 약한 학습자를 더 강력한 학습자로 만드는 알고리즘 그룹을 말한다. "teamwork"에 관한 것 실행되는 각 모델은 다음 모델에 집중할 feature을 결정한다 차례대로 하나는 다른 것으로부터 배우고, learning을 boosting함 Bootstrap A..

Expert system 획단한 expert에 대한 모든 지식이 디지털화되어 의사 결정에 사용된다. expert는 결정을 내리기 위해 취한 모든 단계, 동일한 작업의 기초 및 예외 처리 방법을 지정 순수/견고한 시스템은 전문가의 정확한 규칙을 따르려고 한 유연한 시스템은 지식을 초기 가이드로 사용하고 전문가의 피드백을 기반으로 전문가의 지침을 사용하여 학습한다 rule based system Machine learning이 입력을 일부 모델 공간에 투영하는 동안 추론을 수행 할 때 if-then 문을 사용 Machine learning training 예제를 제공하는 동안 expert에게만 결정을 요청한다. "Supervised Learning" 알고리즘은 사용 가능한 모든 데이터를 기반으로 expert..