본문 바로가기

전체 글63

[server & linux]기록 완료 내용 및 기록 예정 내용 [기록 완료 내용] alias [기록 예정 내용] 디렉토리/파일 색상 의미 path 등록 방법 tar vim 환경설정 디렉토리 이동 서버 이름 변경 폴더/파일, 명령어 위치 찾기(wich, whereis) 폴더 별 주요 역할(/etc/, /usr/local/) ll 출력 종류 서버 종료 2023. 8. 14.
linux 단축키(별칭, alias) 적용 방법(전체/특정 계정) 목차 1. alias 설명 2. alias 설정 파일 3. 특정 계정 alias 등록 4. 전체 계정 alias 등록 1. alias 설명 alias란 별칭, 별명이란 뜻으로, 리눅스에서는 명령어의 또다른 말(줄임말) 즉, 단축키를 의미한다. 2. alias 설정 파일 특정 계정에 alias를 등록하고 싶을 경우, ~/.bashrc의 파일을, 전체 계정에 alias를 등록하고 싶을 경우, /etc/bashrc의 파일을 수정하면 된다. 각 파일의 권한은 아래와 같다. 일반사용자(student)는 자신의 홈디렉토리에 있는 .bashrc파일만 변경할 수 있으므로 자신의 환,경에서만 alias를 등록하여 사용할 수 있다. 반면, 관리자(root)는 /etc에 있는 bashrc파일을 수정하여 전체 계정에 alia.. 2023. 8. 14.
[백준 16637 Java] 괄호 추가하기 import java.util.*; import java.lang.*; import java.io.*; class Main { /* base_pan:계산할 숫자들의 Array base_pan_sign:계산할 부호(+,-,*) input_sign_cnt:계산할 부호의 개수(계산 횟수) result:Int로 표현 가능한 최소의 정수를 초기값으로 가지며, 정답을 저장 */ static int[] base_pan; static String[] base_pan_sign; static int input_sign_cnt; static int result = Integer.MIN_VALUE; /* calc(a, sign_index, b):a와 b를 base_pan_sign[sign_index] 계산해 calc_resu.. 2021. 1. 12.
5-2.Feature selection using Entropy / Mutual information 본차시에서도 피처셀렉션에 대해 알아보자. feature selection할때 정보이론 분야에서 연구가 많이 되어온 이론을 이용할 수 있다. 엔트로피라는 개념이 있다. 벡터간의 관계를 생각해본다고 가정하면, Normal, cancel 레이블이 들어간 벡터v1, 피처들의 값이 들어간 벡터 v2, 또다른 벡터 v3 그러면 v1과 v2의 연관성, v1과 v3의 연관성을 계산해볼 수 있다. Normal인경우 v2은 작은값이 나오고 있다. v3는 일괄적으로 작은 값이 나오고 있다. v1과 v2의 연관성이 높다고 생각할 수 있다. 이렇게 연관성이 높은 피처들을 추출할 수 있다면, 오버피팅 문제들을 완화시킬수 있다. 이렇게 분포간의 유사도를 계산하기 위한 방법을 생각해보자. 먼저 정보 양에 대한 식이다. 어떤 사건이 .. 2020. 12. 22.
5-1. Feature selection using L1 regularization 난 주간 여러 분류모델과, 성능향상을 위한 방법을 알아보았다. 의료영상보고 암 여부를 맞추는것만큼 중요한 것이, 어떤 이유로 판정을 내렸는지 이유를 설명하는 것. 본 주차에서는 여러 특징들 중, 분류하는데 중요한 역할을 하는 특징을 선택하거나, 결정에 중요한 역할을 한 부위를 보여줄수 있는 기법들에 대해 살펴볼것. 의료영상 분류를 수행할때, 결과가 나온 이유를 알려주는 것이 중요하다. 특정 질환에 대해 특정 feature가 일관적으로 추출되면, 그 feature가 분류에 꽤 중요한 영향을 미친다고 생각할 수 있다. 질환이 있는 환자에게 나타나는 일반적인 패턴이 있다면, 그 패턴을 바이오마커로 활용할 수 있다. 본 주차에서는 feature selection 또는 feature extraction, fatt.. 2020. 12. 7.
4-7. Evaluation of classification model (Multi-label) 본 차시에서는 멀티레이블일때 메저방법 살펴봄 아래 매트릭스는 컨퓨전매트릭스. 레이블이 4개 있다. 프레딕션도 4가지 할 수 있다. 의료분석분류문제에서 grading을 하는 다양한 문제들이 있다. 즉, 상태가 좋은 경우, 상태가 약간 않좋아진 경우, 꽤 안좋아진 경우, 아주 안좋아진 경우 이런 식으로 등급을 나누는 문제에 confusion matrix만들어 볼 수 있다. 컨퓨전 매트릭스로부터 저번 차시에서 배웠던 accuracy, F1-score 구할 수 있다. A인데 A로 프레딕션한 부분은 맞는 부분. (진한파란색 대각선 부분은 맞다고 판단된 부분이다.) 그 외는 틀린 부분들이다. accuracy 생각해보면 accuracy는 (맞는 개수 / 전체 데이터) F1-score도 프리시전과 리콜을 구하면 구할 .. 2020. 11. 11.

티스토리툴바