김야키

데이터셋 1 : make_forge from mglearn 데이터셋 2 : load_breast_cancer from sklearn.datasets (유방암 데이터셋) 함수 : plot_feature_importances_cancer (해당 모델을 이용한 예측에서 feature들의 중요도 출력) In [1]: #-*- coding:utf-8 -*- %matplotlib inline import matplotlib.pyplot as plt from sklearn.linear_model import LogisticRegression from sklearn.svm import LinearSVC import mglearn x, y = mglearn.datasets.make_forge() fig, axes = p..

데이터셋 : ram_price.csv In [1]: import os import mglearn #-*- coding:utf-8 -*- %matplotlib inline import matplotlib.pyplot as plt import pandas as pd ram_prices = pd.read_csv(os.path.join(mglearn.datasets.DATA_PATH, "ram_price.csv")) plt.semilogy(ram_prices.date, ram_prices.price) plt.xlabel("Year") plt.ylabel("Price ($/Mbyte_") Out[1]: Text(0,0.5,'Price ($/Mbyte_') In [2]: from sklearn.tree import..

가상 메모리 관리(페이지 교체 알고리즘) 페이지 교체 알고리즘 - 해당 페이지를 빼고 다른 패이지를 넣기 위한 방법 - 메모리에 모든 페이지를 다 올리지 못하기 때문에 사용 - 프로세스당 할당된 페이지 수가 정해져 있는 상황 알고리즘 종류 - FIFO - Optimal(최적) - LRU - 2차기회 - LFU FIFO ( First - In - First - Out ) - 8 ->8,1 -> 812 -> 312 *** - 먼저 메모리를 차지하고 있는 페이지를 내보내고 해당 자리에 다음에 들어오는 페이지를 할당한다. - Page Fault (페이지 부재) 할당된 페이지 안에 접근할 페이지가 없는 경우 - FIFO의 모순 할당된 페이지 수가 많아지면 PageFault(페이지부재)가 많이 일어나지 않는 것처럼..

가상 메모리 관리(Segmentation) Segmentation - 고정으로 자르는 페이지의 개념을 동적인 상태로 변경 - 메모리에 올라갈 내용을 봐서 자른다. 세그먼트 - 논리적 단위가 되는 프로그램 모듈이나 자료구조 - 크기가 가변적 - 즉, 세그먼트(페이지)를 나누는 크기가 동적으로 바뀐다. 직접 사상 - 가상 주소 V = ( s, d ) -> CPU에서 만듦 - s = segment번호 - d = offset - 메모리에는 연속으로 올라가야 함 - 페이지 테이블과 마찬가지로 세그먼트 테이블이 있음 - 존재 비트(Resident bit) 메모리에 올라가 있는지를 표시 가변 크기이기 때문에 조금 많다 0이면 메모리에 없음, 1이면 존재 a = 보조 기억장치 주소 l = 세그먼트 길이(offset의 ..

사용 데이터셋 : iris, forge, 사용 모델 : KNN, LinearRegression, Ridge, Lasso In [1]: from sklearn.model_selection import train_test_split from sklearn.datasets import make_blobs import mglearn # x값에 따른 y값 형태의 dataset을 생성 # 사용되는 데이터셋은 forge() 형태 x, y = mglearn.datasets.make_forge() # 전체 데이터셋을 train데이터와 test데이터로 생성 x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=0) In [2]: # KNN Class..

사용 데이터셋 : iris 사용 모델 : KNN 알고리즘 In [1]: # 아이리스 데이터셋 로드 from sklearn.datasets import load_iris # 데이터셋 선언 # 붓꽃의 데이터셋을 사용 iris_dataset = load_iris() In [2]: # 특성 확인 print("iris_dataset의 키 : {}".format(iris_dataset.keys())) iris_dataset의 키 : dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names']) In [3]: # 데이터셋의 정보 print(iris_dataset['DESCR'][:193]+"\n...") Iris Plants Database =====..

import random guessesTaken = 0 print('당신의 이름은 무엇인가요?') myName = input() number = random.randint(1,20) # 1~20까지의 랜덤 숫자 선언 print('그럼, '+myName+'씨, 1~20까지 숫자중에 제가 생각하는 숫자를 맞춰 보세요') while guessesTaken < 6: # 최대 입력 횟수를 5번으로 제한 print('내생각엔...') guess = input() guess = int(guess) # 입력은 문자로 인식하기 때문에 int형으로 변환 guessesTaken = guessesTaken + 1 if guess < number : # 입력한 숫자가 더 작은 경우 print('조금 더 큰 숫자에요') if g..

import java.util.*; public class lab2_2 { public static void main(String[] args) { Scanner sc = new Scanner(System.in); int use; int com = (int)(Math.random()*3)+1; /* * com = 1 가위 * com = 2 바위 * com = 3 보 */ System.out.println("=============================="); System.out.println(" 학번 : 201403010"); System.out.println(" 이름 : 김지하"); System.out.println("=============================="); System.ou..

import java.util.Scanner; public class lab2_1 { public static void main(String[] args) { Scanner sc = new Scanner(System.in); char ch; System.out.println("=============================="); System.out.println(" 학번 : 201403010"); System.out.println(" 이름 : 김지하"); System.out.println("=============================="); System.out.println(); System.out.print("문자를 입력하세요 : "); String str = sc.next(); Sys..

이번 포스팅은 제가 스터디한 내용을 적으려고 합니다! 우선 개발하는 Hyperledger Composer을 정리 해 봐야겠습니다. Development environment Frameworks : Hyperledger Fabric Hyperledger 블록체인의 기본 틀을 제공해 주는 프레임워크 프레임워크를 이용하여 블록체인 환경을 개발 기본적으로 제공해 주는 Admin Card를 이용 Tools : Hyperledger Composer Fabric를 더 체계적으로 개발을 할 수 있도록 도움을 주는 Tool Playground를 이용한 GUI개발이 가능 Development Tools를 이용하여 CLI환경 개발이 가능 여러가지 Key Concepts를 이용하여 개발에 도움을 줌 Eclipse, Visua..