키자드에 등록된 a16620의 네이버 블로그 포스트 목록

a16620의 등록된 링크

a16620로 등록된 네이버 블로그 포스트 수는 64건입니다.

go gin의 ShouldBind와 zero value [내부링크]

api를 작성하다 보면 분명 맞게 데이터를 보냈는데도 아래와 같은 오류가 발생하곤 합니다. Key: 'Val1' Error:Field validation for 'Val1' failed on the 'required' tag 오타가 난 건지 헤더를 잘못 넣었는지 몇 번이고 확인하곤 합니다. 그러나 문제는 통신이 아닌 서버의 처리에 있었습니다. 문제 상황을 이해하기 위해 우선 아래의 예제를 봐보겠습니다. package main import ( "net/http" "github.com/gin-gonic/gin" ) func main() { r := gin.New() r.POST("/post", func(ctx *gin.Context) { var request struct { Val1 int `json:"v1" binding:"required"` } if err := ctx.ShouldBindJSON(&request); err != nil { ctx.String(http.StatusInt

SQL 태그 검색 [내부링크]

3개의 테이블을 이용하는 방법을 소개합니다. 상황은 Article에 붙은 여러게의 태그를 검색합니다. SQLite3를 기준으로 작성합니다. 테이블1: Article 정보 CREATE TABLE IF NOT EXISTS article ( id INTEGER PRIMARY KEY AUTOINCREMENT, url TEXT UNIQUE NOT NULL, platform TEXT NOT NULL, description TEXT, thumbnail_url TEXT); 예시로 url, platform 등등을 추가했다. 테이블2: 태그 정보 CREATE TABLE IF NOT EXISTS tag ( id INTEGER PRIMARY KEY AUTOINCREMENT, name TEXT NOT NULL, type INTEGER DEFAULT 0, UNIQUE(name, type)); 태그는 name과 type가 한 쌍으로 구별된다. UNIQUE(name, type)로 필드 각각이 아닌 한 쌍으로 유

응용확률론 반사의 법칙 reflection law ballot problem [내부링크]

확률 통계 응용확률론 반사의 법칙 ballot problem 목표 문제는 Introduction to probability models의 Ex 3.27번 문제입니다. In an election, candidate A receives n votes, and candidate B receives m votes where n > m. Assuming that all orderings are equally likely, show that the probability that A is always ahead in the count of votes is (n-m)/(n+m). 표를 집계하는 과정에서 A가 나온 수가 항상 B보다 앞서는 확률을 구해야 합니다. 이 상황은 평면 좌표계로 옮겨 표현할 수 있습니다. x축을 확인한 표의 수라하면 (0,0)에서 시작해 A가 나오면 u=(1, 1) 만큼 이동하고, B가 나올 때는 d=(1, -1) 만큼 움직이는 규칙을 정합니다. 이 움직임의 마지막 위치는

numpy&pandas KNN (K Nearest Neighbor) 알고리즘 [내부링크]

KNN은 따로 학습이라 부를만한 과정은 없습니다. 거리를 계산하고 정렬하는 것이 전부입니다. python과 numpy, pandas를 이용해 작성했습니다. 거리를 측정하는 방법에 유연성을 주고 싶어서 거리 함수를 직접 정의할 수 있게 만들었습니다. 아래는 유클리드, 맨해튼 거리의 함수입니다. import numpy as np def dist_Euclidean(a: np.ndarray, b: np.ndarray): return ((a-b)**2).sum() def dist_Manhattan(a: np.ndarray, b: np.ndarray): return np.abs(a-b).sum() knn: pandas.DataFrame을 입력받아 예측을 수행한다. 하나가 아닌 여러 데이터를 한 번에 처리하기 위해 내부 함수를 이용해 apply를 2번 실행했습니다. 예측 대상(여기선 Species)은 target_column으로 지정합니다. 그 외에 거리 계산에 사용될 컬럼들을 지정하려면 att

파이썬으로 다층 퍼셉트론 multi layer percpetron (1) [내부링크]

numpy를 이용해 행렬곱과 numpy연산으로 다층 퍼셉트론을 구현하였다. 테스트에는 pandas와 iris데이터셋을 이용하였다. 활성화 함수 forward는 순방향 연산. withGrad는 순방향 연산 결과와 함께 미분 값을 함께 계산한다. AFUNCTION = namedtuple('actFn', ['forward', 'withGrad']) sigmoid = lambda x: 1/(1+np.exp(-x)) def sigmoid_withgrad(x): y = sigmoid(x) drv = y*(1-y) return y, np.diag(drv.flatten()) relu = lambda x: np.maximum(0, x) def relu_withgrad(x): y = relu(x) drv = np.where(y <= 0, 0, 1) return y, np.diag(drv.flatten()) identity = lambda x: x def identity_withgrad(x): drv

C/C++ 에서 한글을 어떻게 다루는가 : 유니코드와 멀티바이트 변환 [내부링크]

멀티바이트 관련 함수는 이름에서 str을 mb 또는 wc로 바꾼 형태를 가지고 있습니다. mb는 multibyte, wc는 wide char의 축약으로 생각하면 됩니다. 이 기능을 사용하기 전에 반드시 해야할 일이 있습니다. 이 함수들은 locale에 따라 결과가 달라지기 때문에 setlocale을 하는것을 권장합니다. #include <stdio.h> #include <stdlib.h> #include <string.h> #include <locale.h> ... setlocale(LC_ALL, ""); mblen : 멀티바이트의 바이트 수 한글과 같은 문자들을 char배열에 넣으면 한 문자가 2개의 바이트를 차지하기도 합니다. 이때 한 문자가 몇 바이트를 차지하는지 알려주는 함수가 mblen입니다. strlen은 문자열 전체의 길이를 알려주지만, mblen은 주어진 문자열 시작에 있는 한 멀티바이트 문자의 길이만을 알려줍니다. 예시: 각 문자가 차지하는 바이트를 출력한다. voi

파이썬 pandas, numpy로 의사결정 트리 ID3 [내부링크]

의사결정 나무(decision tree)는 굉장히 친숙한 방법입니다. 우리는 자주 대상을 범주화해 인식하고 분류를 결정합니다. 시험 문제를 풀 때라든지, 상품을 구매할 때도 짧은 순간에 수많은 질문들을 거쳐 결정합니다. 배달을 시킬 때 가격이 비싼지, 할인을 하는지, 대체재가 있는지를 따집니다. 의사결정 나무는 이 방법을 자동화한 동일한 전략입니다. 스무고개 알고리즘이죠. 이진탐색트리랑 비슷하게 생각하면 되겠습니다. 알고리즘의 최적화는 주어진 데이터를 분류했을 때 오분류를 최소화하는 것이 목적입니다. 다르게 말하면 '분류 집합 안에 같은 것들만 있어야 한다'와 같습니다. 결정 기준을 만드는 여러 방법 중 ID3는 분류 집합의 불순도를 계산하기 위해 엔트로피를 사용합니다. 엔트로피는 위 공식으로 계산되며 c는 범주의 수, p_i는 집합에서 그 범주가 차지하는 비율을 사용합니다. 간단하게 생각하면 특정 종의 비율이 압도적으로 커질수록 엔트로피가 작아집니다. 옆의 그림은 이분 데이터의 경

정규분포에서 카이제곱 분포의 pdf, mgf 유도 [내부링크]

카이제곱은 표준 정규분포의 제곱들의 합으로 얻어지는 분포다. 자유도 k=1인 경우를 먼저 구한다. 카이제곱의 cdf를 미분해 pdf를 구한다. mgf를 구한다. 지수와 다항식이 복잡하게 붙어있는 경우엔 감마분포 꼴을 만들면 편하다. 여기서 적분식만 보면 이때 적분 값은 Gamma( 0.5, 1/{0.5-t} )의 pdf이므로 1이 된다. 다시 돌아와서 자유도가 k인 카이제곱분포는 독립인 표준정규의 제곱들의 합이므로 그 mgf는 다음과 같이 표현 가능하다. mgf가 Gamma( k/2, 2 )의 것과 동일하므로 카이제곱분포는 감마분포의 특수한 경우임을 알 수 있다. 따라서 pdf 또한 동일하므로 자유도 k인 카이제곱의 pdf는 다음과 같다.

(통계) { 1-F(x)} 의 무한합=E(X)? [내부링크]

X는 음이 아닌 이산형 확률변수다. X의 cdf를 F(x)=P(X≤x)라 하면. 다음이 성립함을 증명하라. 위 식은 다음과 같다. F(x)의 합만 따로 확인합니다. 여기서 저 합을 x에 따라 행별로 따로 보면 계단 모양이 보입니다. x 0부터 x까지 p(i)의 합 0 p(0) 1 p(0)+p(1) … n-1 p(0)+p(1)+...+p(n-1) n p(0)+p(1)+...+p(n-1)+p(n) 이걸 다시 열 방향으로 봅니다. 그렇다면 p(0)은 n+1개, p(1)은 n개… p(n)은 1개가 존재합니다. 그렇다면 저 이중 합을 다음과 같이 바꿀수 있겠습니다. 이걸 가지고 처음 식으로 돌아갑니다. 여기서 모든 확률의 합은 1이 되므로 앞의 항은 사라진다. 이렇게 [1-F(x)]의 합이 X의 기대값이 됨을 확인할 수 있다. 이 방법에는 문제점이 존재한다. 극한이 존재해야 하는데 다만 검색하다 짜증난 누군가에게 도움이 되었으면 한다.

C++ JSON 파싱 라이브러리 [내부링크]

JSON-Parser/Src/json2.hpp at master · a16620/JSON-Parser Contribute to a16620/JSON-Parser development by creating an account on GitHub. github.com JSON의 number, string, object, array는 각각 JNumber, JString, JObject, JArray에 대응합니다. true, false, null은 JLiteral로 함께 다루어집니다. JString은 std::string, JObject는 std::map, JArray는 std::vector를 상속해 기존 알고리즘과 호환가능합니다. 모든 타입은 공통적으로 세가지 기능을 지원합니다. std::ostream& Repr(std::ostream& os) const 및 std::string to_string() const -값을 JSON형식으로 출력합니다. JValue* Clone() const -동

직접 만드는 머신러닝: 소프트맥스 회귀 from scratch. numpy를 곁들인. [내부링크]

목차 -미리 알아둬야 할 정보 -파이썬으로 구현 -Iris 학습하기 미리 알아야 하는 지식 안다면 빠르게 넘어갑시다 머신러닝 학습 구조, 소프트맥스, 크로스엔트로피, Numpy사용법, 행렬, 경사하강법 아마 이 글을 읽는 사람은 기본 개념은 다 이해했는데 구현하기 짜증나서 온 것이겠죠? 아닐 수도 있으니 중요한 거 두 개만 쓰겠습니다. https://wikidocs.net/35476 이거 읽으면 됩니다. 소프트맥스 이렇게 생긴 것이 소프트맥스 함수입니다. 여기서 x는 1xN 벡터입니다. 분모를 보면 지수함수의 합으로 늘 양수임을 알 수 있습니다. 분자는 분모의 합들 중 i 번째 항으로 이 또한 양수입니다. 이때 함수 g의 치역은 (0, 1]이 됩니다. 이 형태는 익숙한 모양입니다. 바로 확률이죠. 모든 g(x)의 합이 1이고 각 g(x)는 0~1의 값을 가지니 각 g(x)를 확률로 취급해도 된다는 말입니다. 회귀 모형에서는 분류할 범주가 N 개 있다고 할 때 g(xi)를 i 번째 범

[C++] 스택 자료구조 구현 [내부링크]

#pragma once class Stack { private: class StackNode { private: StackNode* next; int value; public: StackNode* Next() const { return next; } int Value() const { return value; } StackNode(int value, StackNode* next) { this->value = value; this->next = next; } }; private: int _count; StackNode* _top; public: void push(int v) { if (_top == nullptr) _top = new StackNode(v, nullptr); else _top = new StackNode(v, _top); _count++; } int pop() { if (_top == nullptr) throw; StackNode node = _top; int v =

[C++] 이중 연결 리스트 자료구조 [내부링크]

#pragma once class linkedlistnode { public: int data; linkedlistnode* next; linkedlistnode* previous; linkedlistnode(int data, linkedlistnode* next, linkedlistnode* previous) { this->data = data; this->next = next; this->previous = previous; } }; class linkedlist { private: //const linkedlistnode* endnode = new linkedlistnode(0, nullptr); linkedlistnode* _begin; linkedlistnode* _end; int _count; public: class linkedlistiterator { private: linkedlistnode* current; friend class linkedlist; public:

R koNLP In value[[3L]](cond) : can't processing [내부링크]

R 4.3 기준으로 koNLP를 설치하면 99%로 "In value[[3L]](cond) : can't processing" 오류가 납니다. 찾아본 바로는 koNLP에서 파일을 다운할때 문제가 생겨서 파일을 다 설치하지 못한 것이 원인입니다. 저는 아래 방법으로 해결했습니다. 이 글은 필요한 부분만 따로 요약합니다. [R] KoNLP패키지 설치 오류(Fail to install scala-library-2.11.8.jar) - Gumu's treasure box 업데이트내용 본 내용은 R 4.0 이전 버전에서만 적용됩니다. 패치를 통해 설치오류가 해결되었다는 공지가 올라왔으나 아직도 지속적으로 설치가 안 되는 분들이 계시는 것으로 보아 완전히 문제가 해결되지 않은 것으로 보인다. 만일 KoNLP설치 이슈가 있다면 library폴더에 제대로 더보기… gumu.kr 해결법 요약 AppData\Local\R\win-library\4.3\KoNLP\java Win+R후 %appdata%를

R koNLP 설치 버전 오류 package 'KoNLP' is not available (for R version ~ [내부링크]

package 'KoNLP' is not available (for R version ). R이 4.2 이상만 되어도 install.packages 사용시 맞는 버전이 없다고 나오는데 이때를 위한 설치 방법을 열심히 찾아서 정리합니다. 아래 R코드 그대로 따라가면 쉽게 설치가 가능할 겁니다. 설치 후 나오는 오류도 해결하는 법을 올려 두었습니다. 이 오류 99.9%로 뜹니다. R koNLP In value[[3L]](cond) : can't processing R 4.3 기준으로 koNLP를 설치하면 99%로 "In value[[3L]](cond) : can't processing"... blog.naver.com #----------------------- 라이브러리 설치 오류 해결 ----------------------- # 1.KoNLP보다 자바 먼저 설치 install.packages("rJava") rJava::.jinit() # 1-E. rJava::.jinit()에서

R 네이버 뉴스 크롤링 & 워드클라우드 총정리 [내부링크]

이 글에선 네이버를 통해 여러개의 뉴스를 크롤링하고 합치는 방법을 다룹니다. 과정 설명이 필요 없다면 페이지 맨 아래에 전체 코드가 있습니다. 쭉 내리세요. 라이브러리 설치/실행 관련 문제는 여기로. R koNLP 설치 버전 오류 package 'KoNLP' is not available (for R version ~ package 'KoNLP' is not available (for R version ). R이 4.2 이상만 되어도 install.pac... blog.naver.com R koNLP In value[[3L]](cond) : can't processing R 4.3 기준으로 koNLP를 설치하면 99%로 "In value[[3L]](cond) : can't processing"... blog.naver.com 우선 웹크롤링과 파싱을 위해 다음 라이브러리를 사용합니다. library(httr) library(rvest) 네이버 뉴스를 리스트하는 가장 쉬운 방법은 네이버

(flask-socketio) greenlet.error: cannot switch to a different thread [내부링크]

Traceback (most recent call last): File "C:\ProgramData\Anaconda3\lib\site-packages\eventlet\hubs\hub.py", line 476, in fire_timers timer() File "C:\ProgramData\Anaconda3\lib\site-packages\eventlet\hubs\timer.py", line 59, in __call__ cb(*args, **kw) File "C:\ProgramData\Anaconda3\lib\site-packages\eventlet\semaphore.py", line 147, in _do_acquire waiter.switch() greenlet.error: cannot switch to a different thread socketio 클라이언트들에게 일정 시간마다 메세지를 보내거나 rabbitMQ에서 받은 메세지를 broadcasting 할때, app.run은 블로

라즈베리파이 gocv HTTP 이미지 스트리밍 [내부링크]

cctv용으로 라즈베리파이를 사용하려고 만든 코드. FanOut방식 이용. subscribers를 chan을 담는 hash set으로 관리하려고 했지만 기본 지원을 안해서 map의 키를 chan으로 하고 값을 아무 의미없는 빈 구조체로 사용해 해결. GitHub - a16620/MJPG-HTTP-Streaming: MPEG Web streamer using gocv MPEG Web streamer using gocv. Contribute to a16620/MJPG-HTTP-Streaming development by creating an account on GitHub. github.com

C++ k-mean clustering implement [내부링크]

k-평균 알고리즘 - 위키백과, 우리 모두의 백과사전 k -평균 알고리즘 27개 언어 문서 토론 읽기 편집 역사 보기 위키백과, 우리 모두의 백과사전. 기계 학습 과 데이터 마이닝 펼치기 문제 펼치기 지도 학습 ( 통계적 분류 • 회귀 분석 ) 펼치기 클러스터 분석 펼치기 차원 축소 펼치기 그래프 모형 펼치기 이상 탐지 펼치기 인공 신경망 펼치기 강화 학습 펼치기 이론 펼치기 관련 문서 v t e k-평균 알고리즘 ( K-means clustering algorithm )은 주어진 데이터 를 k개의 클러스터 로 묶는 알고리즘으로, 각 클러스터와 거리 차이의 분산 을 최소화하는 방식으... ko.wikipedia.org 결과 미리보기: 고분산 샘플 저분산 샘플-단순 구현으로인한 미숙한 분류가 보인다 테스트용 표본 추출 코드: vector<xy> get_sample_data(const xy& center) { const auto batch_cnt = 50; vector<xy> datas

벡터 사영과 축 그리고 회전 [내부링크]

사영 벡터는 그림자가 지듯이 위 벡터의 그림자를 밑의 벡터로 나타내는 방법입니다. 정오에 밑 벡터 위에 해가 떴다고 생각하면 b 아래로 그림자가 생기겠죠? 그림판으로 그려서 참.. 이걸 보고 다음과 같이 표기하고 a 위로 b를 사영시킨다고 말합니다. 이것을 어떻게 식으로 나타내 봅시다. 우선 사영 벡터의 크기를 구합니다. a와 b가 이루는 각을 θ라 하면 좌변이 되고 cosθ는 내적으로 바꿔주면 우변의 식이 나옵니다. 사영 벡터는 밑 벡터와 방향이 같으므로 a를 단위벡터로 바꿔서 크기와 곱해주면 다음과 같이 사영을 얻을 수 있습니다. 추가로 생각하면, θ가 90도 이상이면 a와 반대 방향으로 그림자가 생깁니다. 이때 -a와 b 사이 더 작은 각을 θ'이라 하면 코사인의 성질에 따라 -가 상쇄되면서 위 식과 같아집니다. 여기서 더 나아가, 사영을 설명하면서 그림자를 이용했는데 뭔가 떠오르지 않을까요? 밑 벡터가 지면의 역할을 한단 말입니다. 즉, 밑 벡터가 x축이 되는 좌표 평면을 생

React.js useEffect에서 useRef로 컴포넌트 참조 시 undefined 오류 [내부링크]

<MyComp ref={myRef} /> 처럼 useRef로 컴포넌트를 참조하기도 합니다. 그런데 useEffect(..., [])를 이용해 초기화를 하면 아주 가끔씩 참조를 읽지 못하는 경우가 생깁니다. 이것은 ref가 할당되기 전에 useEffect가 실행돼서 일어나는 일입니다. useEffect(()=> { mapRef.current.setLevel(2); }, []); 할당되지 않아서 오류가 난다 그 해결책으로 useEffect 2번째 파라미터에 ref.current를 넣어주는 것입니다. 이 방법의 장점은 반드시 한 번은 이 경우 두 케이스를 생각할 수 있습니다. ref에 할당된 후 실행, ref에 할당되기 전 실행. 전자의 경우에는 current가 더는 바뀌지 않기 때문에 한 번의 실행이 확실시됩니다. 그러나 후자는 첫 실행에서 오류가 발생하고, 그 후에 정상 작동이 한번 일어납니다. 그래서 후자의 경우를 고려해 다음과 같은 코드를 추가합니다. if (!myRef.curre

실시간 검색어