유진정의 기록

📌 문제 소개[귀찮음](https://www.acmicpc.net/problem/16208) 문제소개합니다.🔍 문제 분석처음 문제를 봤을 때 몇 가지 관점에서 접근해봤다:총 길이가 정해져 있고 잘라야 하는 길이도 정해져 있다.n개의 막대를 만들려면 n-1번 자르는 연산이 필요하다.자르는 순서에 따라 비용이 달라질 수 있다고 생각했다.🧩 처음 시도한 접근법 DP = 행렬 체인 곱셈 스타일 접근첫 번째로 떠올린 접근법은 동적 계획법(DP)이다. 이 문제가 행렬 체인 곱셈(Matrix Chain Multiplication) 문제처럼 느껴졌기 때문이다. 행렬 체인 곱셈(Matrix Chain Multiplication) 문제는 여러 행렬을 곱할 때 연산 횟수를 최소화하는 괄호 배치를 찾는 문제다. 이 문제..

깊이 들어갈 것인가, 넓게 펼칠 것인가?🏝️ 문제 소개: 섬의 개수를 세는 방법"섬의 개수"는 백준 온라인 저지의 대표적인 DFS/BFS 문제다.지도는 바다(0)와 땅(1)으로 이루어진 2차원 그리드이며, 서로 연결된 1의 집합을 하나의 섬으로 본다. 이때 연결은 상하좌우 + 대각선 총 8방향으로 이루어진다. 목표는 지도에서 총 몇 개의 섬이 있는지 세는 것이다.예시 입력5 41 1 1 1 01 1 0 0 01 0 0 1 10 0 0 1 1출력2🔍 탐색 방법의 핵심: DFS vs BFS이 문제의 핵심은 탐색(Traversal) 이다. 땅(1)을 발견했을 때, 연결된 모든 땅을 순회하며 방문 처리하고 하나의 섬으로 세는 방식이다.여기에는 두 가지 접근 방식이 있다.DFS (Depth-First Sear..

작년 말쯤 수학 공부를 갑자기 했던 것 같은데, 많이 도움 받았던 강의들을 티스토리에 정리해볼까합니더.혹시라도 문제가 된다면 댓글 등으로 알려주시면 감사하겠습니다.[핵심 확률/통계] 표본분산의 분포, 카이제곱분포, t 분포, F 분포 / 김성범 교수님 유튜브 강의https://www.youtube.com/watch?v=DyBxYsCow9k&list=PLpIPLT0Pf7IqS4as3nefPyGv94r2aY6IT&index=2ANOVA는 3개 이상의 모집단 평균이 같은지 다른지 비교하는 방법입니다.이를 통해 그룹 간 차이를 통계적으로 검정할 수 있습니다. 모든 모집단의 분산이 같다는 조건을 만족해야 합니다.🔍 중요 포인트ANOVA를 통해 그룹 간 평균 차이를 통계적으로 검정할 수 있습니다.F-통계량을 이용..

#커널 기법SVM은 비선형적인 문제에 대해서도 해결책을 제시합니다. 선형적으로 분리되지 않는 데이터를 다룰 때 커널 기법을 활용하여 고차원 공간으로 변환함으로써 분류를 가능하게 합니다. 대표적인 커널에는 선형 커널, 다항식 커널, RBF 커널 등이 있습니다.그렇다면- 다항식 커널과 RBF 커널의 차이는 무엇인가? 각각의 정확한 개념과 둘 사이의 유사점, 차이점은 무엇인가?- 다항식 커널과 RBF 커널의 하이퍼파라미터 각각 d와 γ은 커질수록 오버피팅을 야기할 수 있다. 그 이유는 무엇인가?다항식 커널과 RBF 커널의 차이점다항식 커널과 RBF 커널은 근본적으로 다른 접근 방식을 가집니다. 다항식 커널($K(\mathbf{x}, \mathbf{y}) = (\mathbf{x}^T \mathbf{y} + ..

# 릿지 회귀와 라쏘 회귀릿지 회귀와 라쏘 회귀는 선형 회귀의 규제된 버전입니다. 릿지 회귀와 라쏘 회귀 모두 비용 함수에 규제항을 더하지만, 라쏘 회귀의 경우 L2 노름 대신 가중치 벡터의 L1 노름을 사용합니다. 그렇다면- 어떤 경우에 릿지 회귀가 유리하며 어떤 경우에 라쏘 회귀가 유리한가?- 데이터의 크기와 차원이 커질 경우 둘의 성능과 효율성은 어떻게 변화할까?- 엘라스틱넷은 둘의 어떠한 장점과 특징을 각각 가져가는가?# 미니배치 경사 하강법의 배치크기미니배치 경사 하강법은 각 스텝에서 전체 훈련 세트나 하나의 샘플을 기반으로 그레이디언트를 계산하는 것이 아니라 미니배치라 부르는 임의의 작은 샘플 세트에 대해 그레이디언트를 계산합니다. 이때 미니배치 경사 하강법의 배치 크기를 설정하는 것은 아주 ..

1. 분류 모델우리는 어떤 분류 모델을 사용한 것인지?이번 3장을 통해 우리는 이진분류, 다중분류를 사용해보았다. 그러나 분류를 수행하는데에 있어 우리는 어떤 분류 모델을 사용한 것인가?'''pythonfrom sklearn.linear_model import SGDClassifiersgd_clf = SGDClassifier(random_state=42)from sklearn.svm import SVC'''이진분류, 다중분류에서 사용한 모델 라이브러리는 이러하다. 이진분류에서는 이후 별도의 loss 함수를 지정해주지 않고 바로 진행했기 때문에 default값인 “loss = hinge” 즉 SVM이 사용된 것이다. 다중분류에서도 마찬가지로 SVC, Support Vector Classification을 ..