초보 개발자

큐, 스택은 선형구조이다. 선형구조랑 자료를 구성하고 있는 데이터들이 순차적으로 나열된 형태이다. 트리는 비선형 구조이다. 비선형 구조는 선형구조와는 다르게 데이터가 계층적 혹은 망으로 구성되어 있습니다. 선형구조와 비선형구조의 차이점은 형태뿐만 아니라 용도에서도 차이점이 많다. 선형구조는 자료를 저장하고 꺼내는 것에 초점, 비선형 구조는 표현에 초점 ( 폴더 구조가 대표적인 트리 ) 트리는 계층형 구조이다. 위 아래가 구분되어 있다. 트리는 이진 트리, 이틴 탐색 트리, 균형 트리, 이진 힙 등 다양한 트리가 있다. 이진 트리와, 완전 이진 트리만 배워보자 이진 트리의 특징은 바로 각 노드가 최대 두개의 자식을 가진다는 것이다. 하위 노드가 4 ~ 5개 일 수 없다. 무조건 0이거나 1이거나 2이어야 ..

큐, 스택은 선형구조이다. 선형구조랑 자료를 구성하고 있는 데이터들이 순차적으로 나열된 형태이다. 트리는 비선형 구조이다. 비선형 구조는 선형구조와는 다르게 데이터가 계층적 혹은 망으로 구성되어 있습니다. 선형구조와 비선형구조의 차이점은 형태뿐만 아니라 용도에서도 차이점이 많다. 선형구조는 자료를 저장하고 꺼내는 것에 초점, 비선형 구조는 표현에 초점 ( 폴더 구조가 대표적인 트리 ) 트리는 계층형 구조이다. 위 아래가 구분되어 있다. 트리는 이진 트리, 이틴 탐색 트리, 균형 트리, 이진 힙 등 다양한 트리가 있다. 이진 트리와, 완전 이진 트리만 배워보자 이진 트리의 특징은 바로 각 노드가 최대 두개의 자식을 가진다는 것이다. 하위 노드가 4 ~ 5개 일 수 없다. 무조건 0이거나 1이거나 2이어야 ..

해쉬 테이블이란?? 컴퓨핑에서 키를 값에 매핑할 수 있는 구조인, 연관 배열 추가에 사용되는 자료구조이다. 해시 테이블은 해시 함수를 사용하여 index를 버킷이나 슬롯의 배열로 계산한다. 데이터를 다루는 기법 중에 하나로 데이터의 검색과 저장이 아주 빠르게 진행된다. 해시 테이블은 각각의 Key값에 해시함수를 적용해 배열의 고유한 index를 생성하고, 이 index를 활용해 값을 저장하거나 검색하게 된다. 여기서 실제 값이 저장되는 장소를 버킷 또는 슬롯이라고 한다. 예를 들어 우리가 (Key, Value)가 ("kim", "1234")인 데이터를 크기가 16인 해시 테이블에 저장한다고 하자. 그러면 먼저 index = hash_function("kim) % 16 연산을 통해 index 값을 계산한다..

class Node: def __init__(self, data): self.data = data self.next = None class Queue: def __init__(self): self.head = None self.tail = None def enqueue(self, value): new_node = Node(value) if self.is_empty(): self.head = new_node self.tail = new_node return self.tail.next = new_node self.tail = new_node def dequeue(self): if self.is_empty(): return 'array is empty' cur = self.head self.head = sel..

class Node: def __init__(self, data): self.data = data self.next = None class Stack: def __init__(self): self.head = None def push(self, value): new = Node(value) new.next = self.head self.head = new # pop 기능 구현 def pop(self): if self.is_empty(): print('array is empty') return deleted = self.head self.head = self.head.next return deleted.data def peek(self): if self.is_empty(): print('array is e..

plt.figure(figsize=(16, 10)) sns.countplot(train_df['label']) plt.show()​ import numpy as np from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense from tensorflow.keras.optimizers import Adam, SGD x_data = np.array([[0, 0], [0, 1], [1, 0], [1, 1]], dtype=np.float32) y_data = np.array([[0], [1], [1], [0]], dtype=np.float32) 임포트 후 플로팅 포인트 32비트의 넘피어레이를 만들어 주었다. mo..

from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense from tensorflow.keras.optimizers import Adam, SGD import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler 보통 기본적으로 쓰이는 모듈들이다. sequential은 모델을 정의할 때 쓰고, dense는 가설을 구현할 때 쓰..

np.random.seed(42) # 아무 숫자나 집어 넣어도 됨 np.random.randint(99,size=5) [52,67,12,55,86] 한번 더 실행해도 같은 숫자가 계속나온다. 랜덤이긴 한데 정해진 수가 나오는 것이다. size를 6으로 하면 다른 숫자가 나오지만 다시 호출을 하면 6개 그대로 나올 것이다. 그리고 앞으로 (100,1) 이런 shape (100,2) 이런게 나온다면 100은 100개의 행이고, 1은 1개의 열이라고 생각하자, (100,3)을 리스트로 표현하면 [[1 1 1] [2 2 2] [3 3 3] ...] 이런식인 것이다. 리스트 안에 리스트가 100개, 그 리스트 하나당 3개의 값이 있다는 뜻이다. sns.countplot등에서 쓰이는 hue옵션은 카테고리 같은 느낌..