목록View All (350)
DATA101
📌 들어가며 본 포스팅에서는 딥러닝 Generalization 기법 중 하나인 배치 정규화(Batch Normalization)에 대해 알아봅니다. 먼저, 데이터 정규화의 필요성에 대해 알아보고, Batch Normalization의 등장 배경인Internal Covariate Shift 현상에 대해 소개합니다. 이후 Batch Normalization의 개념과 특징에 대해 알아보겠습니다. 📚 목차 1. 데이터 정규화 1.1. 개념 1.2. 필요성 2. Internal Covariate Shift 현상 2.1. 개념 2.2. 문제점 3. Batch Normalization 3.1. 개념 3.2. 장점 3.3. 단계별 Batch Normalization 1. 데이터 정규화 1.1. 개념 데이터 정규화(No..
📌 들어가며 React Hook을 활용하여 웹 페이지에서 카톡 플러스 친구 채널과 1:1 채팅을 연결하는 기능이 포함된 버튼을 만드는 과정을 소개합니다. 📚 목차 1. 카톡 플러스 친구 생성 2. 카톡 앱 서비스 생성 3. 카카오 SDK 추가 4. 채팅 기능 추가 5. 결과 1. 카톡 플러스 친구 생성 연결할 카톡 플러스 친구 채널을 생성합니다. https://center-pf.kakao.com/ 카카오톡 채널 관리자센터 세상의 모든 비즈니스를 완성합니다. 지금 무료로 만들어 새로운 비즈니스 홈을 경험하세요. center-pf.kakao.com 2. 카톡 앱 서비스 생성 아래 링크를 통해 카톡 앱 서비스를 생성합니다(그림 1). https://developers.kakao.com/console/app 카..
📚 목차 1. AS IS: 동일 파일 업로드 불가한 경우 2. 해결방법 3. TO BE: 동일 파일 업로드 가능한 경우 1. AS IS: 동일 파일 업로드 불가한 경우 아래의 예시로 상황을 설명해 드립니다(그림 1). 파일 업로드 시(i.e., onChange) 팝업이 뜨는 로직을 작성하였습니다. 헌데, 같은 파일을 업로드할 경우 이후 로직이 수행되지 않는 것을 확인하실 수 있습니다. 2. 해결방법 { this.onFileChange(e); e.target.value = ''; }}/> input 태그에서 onChange 옵션에서 파일 업로드 로직 호출 후 event에서 value를 초기화하면 해결 가능합니다. 3. TO BE: 동일 파일 업로드 가능한 경우 코드를 적용하면 위의 그림 2와 같이 같은 파..
📚 목차 1. 404 에러 의미 2. 404 에러 시 리턴 페이지 만들기 3. 결과 1. 404 에러 의미 404 Error는 HTTP에서 파일을 찾지 못 할 시 발생하는 에러 코드입니다. 여기서 맨 앞 숫자 4는 클라이언트 오류를 의미하는 숫자이며, 뒤의 숫자 2개는 구체적인 에러 코드입니다. 이 에러는 서버를 찾긴 했으나 URL에 해당되는 페이지(파일)를 찾을 수 없을 때 발생합니다. 즉, 아래의 그림 1처럼, 개발해 놓지 않은 URL로 접근할 경우, 이에 대응하는 페이지를 리턴하여 사용자에게 올바른 경로로 접근하라고 안내할 수 있습니다. 2. 404 에러 시 리턴 페이지 만들기 리액트에서 404 에러 발생 시 반환할 페이지를 만들어 봅니다. 1) 패키지 설치 npm i react-router-dom..
본 포스팅에서는 파이썬에서 리스트 내 딕셔너리를 정렬하는 방법을 소개합니다. 💡 솔루션 여러 방법이 있겠지만 itemgetter 메소드를 활용하면 간단히 해결 가능합니다. 아래 예제를 보시면 쉽게 이해하시고 적용하실 수 있을 겁니다. 패키지 import from operator import itemgetter operator 패키지는 파이썬 내장 패키지이므로 따로 설치할 필요 없습니다. 예제 리스트 members = [{'name' : 'Ben', 'age': 32}, {'name' : 'Austin', 'age': 29}, {'name' : 'Kate', 'age': 20}, {'name': 'Aria', 'age': 23}] 정렬 members_sorted = sorted(members, key = ..
📚 목차 1. Example-based Evaluation 1.1. Exact-Match Ratio(EMR) 1.2. Accuracy 1.3. Precision 1.4. Recall 1.5. F1 Score 1.6. Hamming Loss 2. Label-based Evaluation 2.1. Macro average 2.2. Mico average 2.3. Weighted average 👨💻 들어가며 Multi-label Classification 모델 평가지표를 라벨(lael)을 기준으로 계산하는지 혹은 test example을 기준으로 계산하는지에 따라 평가 방법은 크게 2가지로 나뉩니다. 1) Example-based Evaluation 2) Label-based Evaluation 각각에 대해..
1. ROC Curve Receiver Operating Characteristic 곡선의 약자 (그림 1) \(x\)축: FPR(False Positive Rate), \(y\)축: TPR(True Positive Rate) FPR: 전체 경우 중 모델이 Positive로 예측했으나 실제 정답이 Negative인 비율로, 전체 경우에서 TNR(True Negatvie Rate)를 뺀 값과 같음 $$ FPR = 1 - TNR = 1 - \frac{TN}{FP+TN}=\frac{FP}{FP+TN} $$ TPR: 전체 경우 중 모델이 Positive로 예측했는데 실제 정답이 Positive인 비율(Recall과 동일) $$ TPR = Recall = \frac{TP}{TP+FN} $$ 그림 1에서 Refer..
📚 목차 1. Confusion Matrix 2. Accuracy 3. Precision 4. Recall 5. F1 Score 6. Average Precision 👨💻 들어가며 본 포스팅에서는 Binary Classification 및 Multi-class Classification에서 기본적으로 다루는 평가지표인 Confusion Matrix, Accuracy, Precision, Recall, F1 Score, Average Precision에 대해 다룹니다. Multi-label Classification에서 사용되는 평가지표는 아래의 포스팅을 참고해 주세요. https://heytech.tistory.com/434 1. Confusion Matrix '혼동 행렬' 또는 '오차 행렬'이라도 부..