본문 바로가기
반응형

분류 전체보기211

ROC_AUC_Score / Accuracy / F1 Score의 차이와 선택 기준 안녕하세요, roc_auc_score / accuracy / f1_score의 차이와 선택 기준에 대하여 알아보겠습니다. roc_auc_score, accuracy, f1_score는 모두 모델의 성능을 평가하는 지표지만,평가하는 관점과 사용하는 상황이 다릅니다.  1. ROC_AUC_Score (Receiver Operating Characteristic - Area Under the Curve) ROC AUC는 이진 분류 모델에서 주로 사용되는 성능 지표로, 모델의 분류 성능을 종합적으로 평가합니다. ROC 곡선: 모델의 **참 양성 비율 (True Positive Rate, TPR)**과 **거짓 양성 비율 (False Positive Rate, FPR)**을 각각 y축과 x축에 나타낸 그래프입니다.. 2024. 11. 16.
MAE / MSE / RMSE 차이와 선택 기준은? 회귀 분석에서 모델의 예측 정확도를 평가하기 위한 손실 함수(Loss Function)인MAE (Mean Absolute Error) / MSE (Mean Squared Error) / RMSE (Root Mean Squared Error) 의 차이점에 대하여 알아보겠습니다. MAE / MSE / RMSE의 대표적인 차이점은 오차를 계산하는 방식에 있습니다  1. MAE (Mean Absolute Error)MAE는 예측값과 실제값 사이의 절대 오차의 평균을 구하는 지표입니다. 장점: 이상치(Outlier)에 덜 민감합니다. 모든 오차를 절대값으로 계산하므로, 큰 오차가 있어도 직접적인 영향을 주지 않습니다.단점: 미분이 불가능한 점이 있어, 일부 최적화 알고리즘에서 사용이 어려울 수 있습니다. 2. M.. 2024. 11. 15.
CSS에서 background 이미지를 비율을 유지한채 사이즈만 줄여보자 안녕하세요,  오늘은 CSS에서 background 이미지를 비율을 유지한채 사이즈만 줄여보도록 하겠습니다. background: url('image.jpg') no-repeat center center / 50px 50px / content-box border-box;위의 구문을 해석 할 수 있다면 굳이 해당 포스팅을 안보셔도 됩니다. 그렇지 않다면 같이 자세히 알아봅시다. CSS의 background 속성에서 '/'를 추가하여 아래와 같은 양식으로 배경 이미지의 위치, 크기, 배경 영역에 채우는 방식을 조절할 수 있습니다. background: / / ; 예시를 들어 값을 적용시켜보겠습니다. background: url('image.jpg') no-repeat center center / 50.. 2024. 11. 14.
빅분기_실기_OneHotEncoding후 predict()할때 발생하는 오류 OneHotEncoding을 할 때 pd.get_dummies()를 자주 쓰게 되는데 train에는 있고 test에는 없는 컬럼값이 있을 수 있다.그렇게 get_dummies()를 수행하면 컬럼의 개수가 달라져서 차후에 모델에 predict()를 할때 다음과 같은 오류가 발생한다, ValueError: Number of features of the model must match the input. 이런 경우를 방지하기위해 컬럼의 개수를 맞춰줘야하는데,아래와 같이 . reindex(columns =x_train.cloumns, fill_value=0 ) 를 수행해준다  x_train = pd.get_dummies(x_train)x_test = pd.get_dummies(x_test) x_test2 = x_.. 2024. 11. 13.
python을 이용한 머신러닝과 딥러닝은 뭐가 다를까? 안녕하세요, 오늘은 python을 이용한 머신러닝과 딥러닝에 차이점에 대해 알아보겠습니다. Python에서 Scikit-learn을 이용한 머신러닝과 TensorFlow를 이용한 딥러닝의 대표적인 차이는 크게 모델 구조, 데이터 요구 사항, 계산 비용, 코드 구현의 복잡성에서 드러납니다. 아래에 주요 차이점을 정리했습니다. 1. 모델 구조Scikit-learn (머신러닝): 대부분의 알고리즘이 선형 회귀, 결정 트리, K-최근접 이웃(KNN), 서포트 벡터 머신(SVM) 등 전통적인 머신러닝 알고리즘을 사용합니다. 이들은 일반적으로 구조가 간단하고 파라미터가 적은 편입니다.TensorFlow (딥러닝): 딥러닝은 다층 신경망을 활용하여 복잡한 문제를 해결합니다. 기본 구조는 신경망이고, 이미지 처리, 음.. 2024. 11. 12.
암/복호화시 "Given final block not properly padded" 에러 안녕하세요, 오늘은 암/복호화시 발생하는  "Given final block not properly padded" 에러에 대하여 알아보겠습니다. 얼마전 프로젝트에서 파일 다운로드시 "Given final block not properly padded" 에러가 발생하는 사건이 있었습니다.  "Given final block not properly padded" 에러란? 주로 암호화 또는 복호화 작업 중 패딩이 올바르지 않아서 발생하는 오류입니다. 이 에러는 블록 암호화 모드에서 주로 발생하며, 특히 AES(Advanced Encryption Standard) 또는 DES(Data Encryption Standard) 같은 알고리즘을 사용할 때 자주 나타납니다. 에러 원인블록 암호화 알고리즘은 데이터를 고정.. 2024. 11. 11.
반응형
loading

티스토리툴바