김지똥의 공부 브이로그

1.2 Optimization with Data Uncertainty최적화 문제를 다룰 때 매개변수가 정해진 문제들도 있지만 사실은 그렇지 않은 경우가 더 많다.특히 투자 수익률이나 위험, 금융 모델과 같은 변동성을 포함하는 문제에서 자주 발생한다.  따라서 이러한 문제를 다루기 위해 두 가지 접근법이 존재한다.확률적 계획법(Stochastic Programming): 데이터의 불확실성이 확률 분포로 설명될 수 있고, 랜덤하게 발생하는 경우에 사용된다. 즉, 데이터가 확률적으로 어떤 분포를 따를 때 이를 모델링하는 방법이다. 이 방법은 불확실성이 랜덤하게 발생하며, 우리가 그 랜덤성을 통계적으로 알 수 있는 상황에서 적합하다. (Finance에 관한 내용이니까 앞으로 이것에 집중하여 이야기 하지 않을까 ..

공부/파이썬 2024. 10. 27. 23:37

항상 return에 대해서 이해가 되지 않는 부분이 있었다. print를 쓰면 되는 데 굳이 return을 쓰는 이유는?? return이 값을 반환한다고 하는데 그게 무슨 이야긴지 전혀 알 수 었었다. 그로 인하여 그에 대해 정확히 알아보고자 이 글을 작성하게 되었다. 1. return역할: return 키워드는 함수에서 값을 반환하는 데 사용된다. 함수가 호출된 곳으로 값을 돌려주며, 이 값을 함수 밖에서 사용할 수 있다.위치: return은 함수 내부에서만 사용된다.함수 종료: return 키워드를 만나면 함수는 즉시 종료된다. return 뒤에 오는 코드는 실행되지 않는다.( 뒤에 오는 코드를 dead code 라고 부른다)용도: 주로 함수가 어떤 값을 계산하거나 처리한 결과를 호출자에게 돌려줄 때..

공부/파이썬 2024. 8. 26. 10:13

처음에는 그냥 단순히 보이는 그대로를 적었다. 너무 쉬운 거 아닌가?? 역시 틀렸다 조건을 다시 보니 내 생각에는 처음과 마지막에서 공백이 발생하면 안 된다는 조건 때문인 것 같다. 사실 이것만 올렸지만 엄청 많은 시도를 했다. 뭐가 문제지.... 무식하게 짰다고 웃나요?? 아니겠죠.? 저는 최선입니다. 뭔가 그럴 듯 한데... 뭘까.. 저는 최선을 다했어요 답지 볼래요 ㅜㅜ 아 보니까 저건 모든 공백을 다 대체하는 거네..  그래서 이렇게 바꿨는데 또 틀림 ㅋㅋ  이것도 아니네.. GG 답을 보니 제가 풀 수 없는 문제였네요 하하 고민 많이 안 해서 다행? 링크 참고하시면 https://www.acmicpc.net/board/view/28332 요기 읽으시면 될 거 같아요 내가 생각하기로는 종결 규칙이..

공부/파이썬 2024. 8. 10. 13:40

이 문제 지금 며칠 째 풀고 있는 건지바보다 바보  일단 계속 고민하다가 딕셔너리로 접근하면 어떨까 해서 일단 만들어봤는데 여기서 어캐 하지 s에 값을 어떻게 s_alpha에 매칭 시킬지...아마 틀린 방법인 듯 하다.. 다시 고민해봄   하 모르겠어   여기까지는 해봤는데 아닌 거 같고.. 일단 생각해보닌 키 부분은 튜븦처럼 절대적이라길래 키랑 벨류 위치를 바꿔봄 그리고 반복문과 이프문으로 해보려고 했는데 포기함. 이정도 고민했으면 많이 했다고 생각. 더이상으 고민은 시간 낭비라 판단. 이게 정답.. 딕셔너리가 아니었다.. index()는 리스트이 몇 번째인지를 알게 해주는 함수+3은 걸리는 시간 문제를 풀면서 느낀 점은 답을 보면 쉬운데 생각하는게 어렵다

공부/파이썬 2024. 8. 7. 06:47

이번 실습에서는 정규 분포를 가정하여 데이터셋을 생성한 뒤 생성된 x와 y 데이터를 사용하여 선형 회귀 분석을 실행한다. OLS(Ordinary Least Squares) 모델을 생성하고 X와 y 데이터를 사용하여 적합한 뒤 모델 가정들을 검토하기 위하여 다양한 검정을 수행하고 시각화한다. 1. 잔차 플롯 (Residual Plot)잔차 플롯은 적합된 값(fitted values)과 잔차(residuals)를 시각화한 것입니다.빨간 점선은 잔차가 0인 위치를 나타냅니다.패턴이 없는 경우: 잔차가 0을 중심으로 랜덤하게 분포하면 모델의 적합이 잘 된 것입니다. 이는 독립성과 등분산성 가정을 만족한다는 것을 의미합니다.패턴이 있는 경우: 잔차에 일정한 패턴(예: 곡선형, 팬 모양 등)이 보이면 모델이 데이터..

공부/머신러닝 2024. 5. 25. 01:10

안녕하십니까 공부가 싫은 남자 공싫남입니다 오늘은 회귀분석 기초 개념에 대해 공부해보겠습니다 먼저 변수에 종류에 대해 알아보면 원인 (조작·제어)독립변수 (Independent variable): 실험이나 연구에서 조작하거나 제어할 수 있는 변수. 결과에 영향을 미치는 원인으로 간주됩니다.설명변수 (Explanatory variable): 독립변수와 비슷한 의미로, 결과를 설명하는 변수입니다.예측변수 (Predictor variable): 미래의 결과를 예측하는 데 사용되는 변수입니다.위험인자 (Risk factor): 특정 결과에 영향을 줄 수 있는 위험 요소로 간주되는 변수입니다.공변량 (Covariate): 연속형 자료로, 독립변수와 함께 분석에 포함되는 변수입니다.요인 (Factor): 범주형 자..

공부/머신러닝 2024. 5. 19. 16:51

KNN 거리 기반 분류 모델데이터로부터 거리가 가장 가까운 k개의 다른 이웃 데이터의 레이블을 참조하여 분류하는 알고리즘 여기서 이웃 데이터들은 거리(distance)를 기반으로 판단 장점 간단하고 직관적인 알고리즘. 복잡한 수학적인 개념 없이도 이해하기 쉬움.훈련 과정이 빠르며, 새로운 데이터가 들어올 때마다 다시 훈련할 필요가 없음.분류와 회귀 문제에서 모두 사용할 수 있음.이상치에 대한 영향을 크게 받지 않음.단점모든 데이터 포인트 간 거리를 계산해야 하므로, 계산 비용이 많이 들 수 있음. 특히 데이터가 많고 차원이 높을수록 더 많은 계산이 필요.이웃의 수(k)를 어떻게 정할지에 따라 성능이 달라짐. 적절한 k값을 선택하는 것이 중요.고차원 데이터에는 적합하지 않을 수 있음. 차원이 늘어남에 따라..

공부/머신러닝 2024. 5. 5. 16:46

클래스를 예측할 때 임계값을 0.5로 맞추는 게 디폴트이다 -> 임계값을 0.5로 맞추는 이유는? 균형을 유지하기 위해: 데이터셋이 클래스 간에 균형을 유지하는 경우(즉, 각 클래스의 샘플 수가 거의 비슷한 경우), 0.5의 임계값 합리적.. 결정 경계를 중심으로: 임계값을 0.5로 설정하면 결정 경계(decision boundary)가 클래스 사이의 중간에 위치하게 된다. 이것은 이진 분류 문제에서 직관적으로 쉽게 이해할 수 있다. 단순한 선택: 임계값을 0.5로 설정하는 것은 모델을 구현할 때 간단하며 직관적. 따라서 많은 경우 이 값을 기본값으로 선택. 만약 이 부분을 점점 낮추거나 높이면 어떤 식으로 변화하는가? 정밀도, 재현율이 어떤 식으로 변경이 되고 왜 우리는 이 두 지표를 같이 봐야하는지?..

공부/머신러닝 2024. 3. 31. 01:35