놀고 싶은 빈둥이의 coding 연구소

다항곡선 회귀분석은 단일 변수에 대한 함숫값을 어떠한 다항식으로 근사할 때 사용한다. 위와 같이 n차 다항식으로 근사를 한 후 주어진 data sample을 잘 표현하는 다항식 계수들을 추정(estimation)하는 것을 다항곡선 회귀분석 또는 다항식 회귀분석이라고 하고 영어로 polynomial curve fitting이라고 한다. 이 때 회귀 분석을 위해 필요한 data의 개수 N은 근사하고자하는 다항식의 최고 차수가 n개 일 때, n+1보다 많아야 한다. 즉 N ≥ n+1이어야 회귀분석을 통해 다항식의 개수를 구할 수 있다.(구해야 하는 다항식 계수의 갯수가 n+1이고, data sample 1개 당 방정식 1개가 주어지기 때문에 N이 최소한 n+1이 돼야 다항식 계수가 정해질 수 있으므로 당연한 ..

많지 않고 쓰기에 어려워서 안쓰고 버려지는(카드사로 회수되는) 카드 포인트들을 통합으로 조회하고 현금으로 바꾸어 계좌로 입력할 수 있는 방법이 있습니다. 이를 카드 포인트 현금화라고 하는데요. 이 글에서는 여신금융협회 사이트를 이용해 카드 포인트를 현금화하는 방법에 대해서 알아보겠습니다. 1. 여신금융협회 카드포인트 통합조회 사이트로 들어갑니다. www.cardpoint.or.kr/ 여신금융협회 카드 포인트 통합조회 사이트 홈페이지 www.cardpoint.or.kr 2. '통합조회 & 계좌입금' 버튼을 클릭합니다. 3. 개인 정보 동의 후 '확인' 버튼을 클릭합니다. 4. 본인 인증 방법을 선택 후 인증을 완료합니다. 5. 카드 포인트 통합조회 계좌 입금 서비스 이용을 위한 위임 동의와 관련해 위임장 ..

1. Particle Swarm Optimization(PSO)이란? Particle swarm optimization(PSO)은 새 무리와 물고기 떼와 같은 동물 무리들의 집단적인 행동 양상을 모방하여 최적화 문제를 푸는 알고리즘으로 Nature-inspired search method(자연에서 영감을 받은 최적점 찾는 방법이라는 뜻) 중 하나이다. 일반적으로 이런 nature-inspired search method는 함수 계산량이 많지만 global minimum(전역 최솟점)에 수렴하는 것으로 알려져 있다. PSO 알고리즘 내에서는 particle, particle position(design point), particle velocity(design change), swarm leader(a d..

1. Genetic Algorithm이란? GA(Genetic Algorithm)는 생물학적 진화 과정을 모방하여 최적화 문제를 푸는 알고리즘으로 Nature-inspired search method(자연에서 영감을 받은 최적점 찾는 방법이라는 뜻) 중에서 가장 유명한 방법이라고 할 수 있다. 특히 discrete variable(이산적인 변수)에 대해서도 최적화가 가능하고, 일반적으로 global minimum(전역 최솟점)에 수렴하는 것으로 알려져 있기 때문에 많은 최적화 관련 연구에서 널리 사용되고 있다. GA는 생물학적 진화 과정을 모사했기 때문에 생물학적 용어에 비유한 개념(population, generation, chromosome, gene 등)과 연산(reproduction, crosso..

어떤 변수에 대한 sample이 어떠한 분포-즉, 확률 밀도 함수(PDF: probability density function)-를 따르는지 알아내기 위한 방법 중에서 KS test(Kolmogorov-Smirnov test)가 있다. KS test는 Goodness-of-fit test 방법 중 하나로 특정 타입의 분포에서만 적용가능하다는 식의 제한 조건이 필요 없다는 것이 장점이다. 1. 이론 KS test는 empirical CDF와 hypothesized(or theoretical) CDF를 비교한다.(여기에서 empirical CDF는 sample이 실제로 sampling된 분포이고 우리가 알고자 하는 분포이다. hypothesized CDF는 해당 sample들이 어떤 분포를 따르는지 모르지만..

1. 키보드 단축키 변경프로젝트 실행 상태에서 '편집'>'키보드 단축키' 클릭 or Ctrl+Alt+K좌측 하단 돋보기 모양의 검색창에 키보드 단축키를 설정 또는 변경하고 싶은 명령 입력기존 단축키가 있다면 단축키 클릭하면 생기는 우측 x표로 삭제 가능단축키 란을 클릭해서 원하는 단축키 입력* 주의: 설정한 단축키가 이미 다른 명령의 단축키라면 그 다른 명령의 단축키가 삭제되고 원하는 명령에 대한 단축키로 변경우측 하단의 확인 누르면 설정 완료 2. 컷 자르기Ctrl + K: '편집 추가'(add edit) 명령Ctrl + Shift + K: '모든 트랙에 편집 추가'Q: indicator 좌측(이전)에 있는 부분이 잘리면서 여백 없이 당기기W: indicator 우측(이후)에 있는 부분이 잘리면서 여백..

pytorch로 AI 딥러닝 모델을 학습 시키는 경우, 학습시킨 모델을 저장하고 다시 불러와서 사용할 필요가 생긴다. 해당 코드 내에서 다시 돌리는 경우 모델의 parameter들이 저장되기 때문에 따로 저장할 필요가 없다. 하지만 코드를 다시 열어서 실행하거나 학습한 모델을 다른 코드에서 사용하거나 다른 사람과 공유해야 하는 경우 모델을 저장한 후 다시 불러와야 한다. 이에 pytorch에서 딥러닝 모델을 저장하는 방법이 다음 코드에 설명되어 있다.https://tutorials.pytorch.kr/beginner/saving_loading_models.html 여기에서는 해당 설명 중에서 다시 학습을 하지 않을 때 모델을 저장하는 방법에 대해서 알아보고자 한다. 여기에서는 간략히 개념만 이해하고 바로..

Matplotlib은 자료를 시각화 하는데 사용하는 대표적인 라이브러리로 import matplotlib.pyplot as plt(matplotlib의 pyplot을 plt라는 이름으로 import한다는 뜻)와 같이 import하여 사용한다. 1. 기본적인 그래프 그리기plt.plot(a_list, b_list): a_list라는 이름의 리스트를 x축, b_list라는 이름의 리스트를 y축으로 하는 그래프 형성plt.show(): 그래프를 보여줌plot()을 쓰면 각 데이터 점을 이어주는 꺽은선 그래프가 출력 ex1>import matplotlib.pyplot as plta = [1, 2, 3, 4]b = [4, 3, 2, 1]plt.plot(a, b)plt.show()>>-> (1, 4), (2, 3)..

해당 에러는 구글링해서 알아보니 다양한 원인에 의해서 발생하는 것 같다. 해당 에러가 발생하는 하나의 예시 및 그에 대한 해결로 보면 좋겠다. 우선 나의 경우, Pytorch에서 BCE Loss로 Autoencoder를 학습하다가 난 에러이고, 개발 환경은 JupyterNotebook이다. 해당 에러는 CUDA에서 발생한 에러이기 때문에 torch.device를 'cuda:0'로 하지 않고, 'cpu'로 하는 경우, 구체적으로 어떤 에러가 발생했는지 더 정확한 설명이 나온다. 그렇게 한 후 다시 코드를 실행해보면, 나 같은 경우에는 다음과 같은 에러 메시지가 나타났다. RuntimeError: all elements of input should be between 0 and 1 이 에러는 BCE Loss..

딥러닝 모델에 입력을 넣을 때 발생한 에러이다. 단순한 딥러닝 모델을 학습시킬 때, 이미지 같은 데이터가 아닌 그냥 숫자를 넣기 위해서 직접 numpy에서 난수를 발생시켜 dataset을 구성했다. 학습하는 코드에서 model에 해당 dataset을 입력으로 넣을 때 아래와 같은 에러메시지가 발생했다. RuntimeError: Expected object of scalar type Float but got scalar type Double for argument #2 'mat1' in call to _th_addmm float type의 객체가 들어올 줄 알았는데 double type의 객체가 들어왔다는 에러였다. tensor 자료형인 dataset을 출력해봤더니 tensor 마지막에 'dtype=tor..