본문 바로가기

분류 전체보기175

디자인 패턴 youtube의 디자인 패턴 강의를 보면서 정리함. 소스위주 https://www.youtube.com/watch?v=UEjsbd3IZvA&index=1&list=PLsoscMhnRc7pPsRHmgN4M8tqUdWZzkpxY 소스 출처 https://bitbucket.org/garampark/java-design-pattern/src/ed39c43449f60428450e8c647d05f77f2f642ef1/Chapter08-AbstractFactory-2/src/Main.java?at=master&fileviewer=file-view-default 소스는 일부 수정함 각 챕터별로 한눈에 보기 위해 1개의 class 파일에 다 넣음. 1장 /** * 디자인 패턴을 사용하는 이유는 협업을 위해서 * 내 의도.. 2017. 9. 22.
2017년 9월 아파치 프로젝트 리스트 출처: https://apache.org/ APACHE PROJECT LIST BY NAMEHTTP ServerAAccumuloACEActiveMQAiravataAlluraAmbariAntAny23ApexAPRArchivaAriesArrowAsterixDBAtlasAuroraAvroAxisBBahirBeamBigtopBloodhoundBookKeeperBrooklynBuildrBValCCalciteCamelCarbondataCassandraCayenneCelixChemistryChukwaClerezzaCloudStackCocoonCommonsCordovaCouchDBCreadurCrunchcTAKESCuratorCXFDDBDeltaSpikeDirectoryDrillEEagleEmpire-dbFFalcon.. 2017. 9. 20.
scikit-learn 책 정리 Data load --> 데이터 특성 변환 (fit_transform) --> data를 train/test로 나누기 --> train data로 특성 선택 및 test data에 적용 (fit -> transform) --> train data로 scaling 및 test data에 적용 (fit -> transform) --> 알고리즘 학습 (fit -> predict / score) --------------------------------------------------------------------------------- 1. Data 2. 데이터 변환 (4장)¶ 2-1 범주형데이터변환(원 핫 인코딩) 2-2 구간분할 2-3 상호작용 2-4 다항식 2-5 수학함수(일변량 비선형 변환), log.. 2017. 9. 18.
weblogic 12c 실행 1. AdminServer 실행nohup ./startWebLogic.sh & 2. ManagedServer START/STOP(bin폴더에서)nohup ./startManagedWebLogic.sh Server-0-AAAAAA t3://localhost:7001 &./stopManagedWebLogic.sh Server-0-AAAAAA t3://localhost:7001 ID PW 3. ManagedServer START할때, id, pw를 typing해야 하는데, nohup으로 하게 되면 typing할 타이밍을 놓쳐서 START자체가 안된다.id/pw를 따로 관리하자.OOOOOO/user_projects/domains/base_domain/servers/Server-0-AAAAAA/security/b.. 2017. 9. 12.
weblogic 12c with logback JAVA WEB Application에서 logback을 사용하고 있을때,Tomcat으로 deploy 했을때는 정상작동 했지만weblogic 에서는 null 에러가 발생하면서, #### #### 2017. 9. 12.
파이썬 라이브러리를 활용한 머신러닝 2장~6장 정리 2장의 데이터셋 종류가 많다. 각 데이터에 따른 각 알고리즘은 어떻게 작동할 것인가? 공부 방향일단 알고리즘 종류의 차이를 정확히 비교하고,나중에 데이터 자체를 분석하는 방법(pandas...) 공부 2017. 8. 30.
파이썬 라이브러리를 활용한 머신러닝 5장 모델 평가와 성능 향상 5.1 교차 검증(306p)k겹 교차 검증 폴드1 폴드2 폴드3 폴드4 폴드5 분할1 테스트 훈련 분할2 분할3 분할4 분할5 scores = sklearn.model_selection.cross_val_score(LogisticRegression(), iris.data, iris.target cv=5) 5.1.3 계층별 k-겹 교차 검증(그룹간의 비율을 일정하게 유지)기본값회귀-> k-겹 교차 검증분류-> 계층별 k-겹 교차 검증 *분류에 기본 k-겹 교차 검증 이용하기kfold = sklearn.model_selection.KFold(n_split=5, shuffle=True, random_state=0) // shuffle : 샘플의 순서를 섞기scores = cross_va.. 2017. 8. 28.
파이썬 라이브러리를 활용한 머신러닝 4장 데이터 표현과 특성 공학 4.1 범주형 변수4.1.1 원-핫-인코딩(가변수) 특성 변환 a b c d a ==> 1 0 0 0 b 0 1 0 0 c 0 0 1 0 b 0 1 0 0 d 0 0 0 1 data_dummies = pd.get_dummies(data) # 문자로된 범주형 변수에만 적용 가능 4.1.2 숫자로 표현된 범주형 특성특성 변환 특성1 특성2 특성3 특성4 0 ==> 1 0 0 0 1 0 1 0 0 2 0 0 1 0 1 0 1 0 0 3 0 0 0 1숫자특성도 인코딩하기 위해방법1demo_df['숫자특성'] = demo_df['숫자특성'].astype(str)방법2pd.get_dummies(demo_df, columns=['숫자 특성', '숫자 특성2']) 4.2 구간 분할, 이산화 그.. 2017. 8. 25.

티스토리툴바