응엉이의 엉엉코딩일기

https://www.youtube.com/watch?v=JW3iIdyT_hM&list=PLyipEw5AFv5RVvw9X4a-Q-LQxbBqsU9Z1&index=3 INCLUDE LOD는 계산이 2번 이루어진다 ! INCLUDE LOD는 특정 차원을 포함하고 있기 때문에 VLOD보다 Depth가 깊을 수밖에 없음 깊은 Level에서 계산된 결과를 그 Level보다 얕은 VLOD Level에서 표현해야 하므로 반드시 2번째 계산이 이루어질 수 밖에 없음 Include LOD에 명시된 차원을 포함하여 집계가 이루어짐 (첫번째 계산) VLOD에 맞춰 표현하기 위해 첫번째 계산 결과를 재집계 (두번째 계산) [ Practice : 각 City별 평균 Sales를 기준으로, 최대-최소 편차가 5번째로 큰 Stat..

https://www.youtube.com/watch?v=vbLAIoUV9r0&list=PLyipEw5AFv5RVvw9X4a-Q-LQxbBqsU9Z1&index=1 View Level of Detail? 화면의 디테일한 정도 마크 수가 많아진다고 이해해도 될것같음 우측으로 갈수록 자세해짐 = VLOD가 깊어짐 좌측으로 갈수록 러프해짐 = VLOD가 얕아짐 모든 측정값은 VLOD에서 집계되고 표현된다 현재 화면에 보이는 VLOD 수준에서 집계된 결과가 그대로 보인다는 의미 = 현재 화면이 디테일한 정도애 따라 집계된 결과가 그대로 보인다 ! [ Example : Sales를 Category 수준에서 합계로 집계 ] 집계방식을 바꾸지 않으면 합계가 default 이때의 VLOD : Category [ Exa..

model selection 과정, 과정의 의미 Model Selection model 선택 model 선택 : 학습에 사용할 model 선택 param. 선택 : 다양한 model param. 중 가장 적합한 param. 선택 grid search : grid를 만들어 모든 param. 조합에 대해 교차검증 model evaluation 데이터 분할 Holdout 교차검증 (train/validation/test dataset) k-fold cross validation underfitting/overfitting 판단 : 학습 곡선과 검증 곡선 어떤 model이 가장 적합한 model인지 판단 evaluation matrix Holdout 교차검증 같은 test set을 여러번 사용하게 될 경우 te..

Supervised Learning vs. Unsupervised Learning Supervised Learning Unsupervised Learning Label이 있는 (=정답이 있는) 데이터로 모델을 학습 예측하고 싶은 변수 y를 Label로 설정 학습 목표 : 정답을 맞추게 하는 것 Lablel이 없는(=정답이 없는) 데이터로 모델을 학습 데이터상에 Ground Truth가 존재하지 않음 회귀, 분류 - 회귀 : 연속적인 값을 예측 - 분류 : 이산적인 값을 예측 클러스터링 : 데이터셋을 여러 군집으로 나누는 작 Data type Numeric ratio ex) 시험점수 interval 숫자간 차이의 간격이 일정 ex) 온도 Categorical ordinal 순서 존재 ex) 등급 nomin..

Theorem proving KB(우리가 알고있는 사실) 내 sentence들에 Inference rule(추론규칙)을 적용 -> 새로운 사실을 알아내는 것 Proof methods Application to inference rules Model checking 기존 문장 → 합리적인 새로운 문장 생성 inference rule application의 sequence를 통해 생성 n개의 model에 대한 Truth table 열거 model space에 대해 heuristic하게 search sound, incomplete Resolution (분해) Conjunctive Normal Form (CNF) Forward chaining 기존 알려진 사실들을 기반으로 새로운 사실을 추리하며 나아가는 방법 ..

Propositional logic (명제 논리) Inference soundness procedure : 해당 절차를 따라 생성된건 다 맞음 completeness procedure : 해당 절차는 모든 case를 만들어냄 first order logic : sound and complete한 inference procedure가 존재하는 logic, KB에 알려진 사실들을 기반으로 procedure 진행 Syntax atomic sentence는 1개의 proposition symbol(명제기호)로 구성 명제기호 : True이거나 False인 1개의 명제를 나타냄 ex) P, Q, R .. atomic sentence를 괄호와 logical connective(논리접속사)로 연결해서 복합 문장을 만들..

Logic syntax는 sentence를 만드는 규칙 formal language의 syntax는 well-formed sentence를 정의 well-formed sentence가 모여 KB를 만듦 well-formed sentence는 information을 가지며, sentence를 기반으로 conclustion을 represent할 수 있음 이처럼 conclusion을 drawn 하는 과정을 logic이라고 함 logic은 sentence의 semantics를 정의해야 함 (문장의 의미) semantics는 각 가능세계에 대한 문장의 진리(True or False)를 정의 ex) x + y = 2 라는 문장 x = 1, y = 1인 세계에서는 True x = 2, y = 1인 세계에서는 Fals..

Knowledge-based agents Knowledge bases (KB) KB : 문장들의 집합 (set of sentences in a formal language) - Tell : KB에 새로운 문장(지식)을 추가 - Ask : KB에 있는 문장을 질의 - Inference (추론) : Ask 연산 수행시 그에 대한 답이 반드시 KB에 Tell 연산을 통해 추가된 어떤 문장에서 도출되어야 함 Knowledge based agent agent는 사전에 자신의 KB에 일정한 Background Knowledge를 가지고 있을 수 있음 agent를 KB를 유지하고 있음 percept 1개를 입력 -> action 1개를 반환 TELL(KB, MAKE-PERCEPT-SENTENCE(percept, t)..

states : representation of a physical configuration node : search tree를 구성하는 data structure Tree search algorithms expanding states successor를 generate하면서(node를 expand 하면서) state space를 탐색하는 것 Tree Based Search strategies node를 extend 하는 순서에 따라 달라짐 Strategy 평가 Completeness : solution이 존재하는 경우 항상 찾아주는지 Time complexity : 탐색에 걸리는 시간 (탐색한 노드의 수, 생성되는 노드 수에 비례) (worst case) Space complexity : 요구하는 메모..

https://leetcode.com/problems/reformat-department-table/submissions/877195452/ 피봇테이블을 이용해서 출력 형식을 변경하는 문제 월별로 새로운 열을 만들어줘야 하므로 CASE WHEN을 이용하여 해당 월 조건을 만족하면 Revenue를 가져오게끔 하고, 나머지는 NULL로 처리함 id별로 월별 Revenue가 보고싶으므로 id를 이용해서 GROUP BY 해줌 1. 조건에 맞는 새로운 열을 CASE WHEN 이용해서 만들어줌 2. 기준에 따라 보고싶은 경우 GORUP BY 이용 SELECT id, SUM(CASE WHEN month = 'Jan' THEN revenue ELSE NULL END) AS Jan_Revenue, SUM(CASE WHE..