전체 글

https://www.codetree.ai/missions/2/problems/max-of-xor/submissions 코드트리 | 코딩테스트 준비를 위한 알고리즘 정석 국가대표가 만든 코딩 공부의 가이드북 코딩 왕초보부터 꿈의 직장 코테 합격까지, 국가대표가 엄선한 커리큘럼으로 준비해보세요. www.codetree.ai n, m = map(int,input().split()) arr = list(map(int,input().split())) selected = [] ans = -1 def f(d): global ans if d == m: s = 0 for item in selected: s = s^item ans = max(ans,s) return for i in range(n): if arr[i] n..

tailwind css 공홈에서 font-size를 찾으면 위와 같이 나오고 그대로 element에 class로 넣어주면 된다. text color도 마찬가지이다. 다양한 색상을 사용할 수 있다. 이 밖에도 bold와 uppercase 등도 사용할 수 있으니 참고하도록 하자

npm으로 tailwindcss를 설치한다 나는 유튜브 외국강의를 따라했는데 src에 styles.css를 만들고 public에 styles.css를 만들었는데 tailwindcss로 빌드한 결과물은 public의 styles.css안에 존재하게 된다. package.json에 위와 같이 추가해주고 npx tailwindcss -i ./src/styles.css -o ./public/styles.css --watch 위 명령어를 사용하면 live server로 바로바로 적용된 스타일을 볼 수 있다. src에 있는 styles.css에 위와 같이 적어준다. 위와 같이 추가해주고 index.html에서 클래스로 스타일을 적용하면 된다.

SVM의 정의 SVM(Support vector machine)은 두 데이터 그룹을 나누는 초평면을 찾으면서 이 폭이 가장 넓은 것을 찾는 방법이다. 마진을 최대로 넓게 만들때 마진 양쪽에 서로다른 그룹에 속하는 데이터들이 하나씩 닿아 있고 이것을 서포트 벡터라고 한다. 위 같이 마진이 큰 초평면을 찾는 것이 핵심이다. 위 마진 안에는 어떠한 데이터도 없는데 어떠한 데이터도 마진 내에 들어오지 않을 경우 하드마진이라고 부른다. SVM 수식 위에서 여백 너비(margin width)는 아래와 같다 하드마진에서는 위 제약조건을 만족하는 초평면을 찾는 것이 문제가 된다. 반면에 소프트마진은 노이즈 일수도 있는, 데이터 들이 마진 안에 있는 경우를 허용한다. 소프트 마진을 사용할 때는 마진 내에 들어갈 수 있는..

결정트리를 이용한 분류 - 결정트리는 귀납 추론을 위해 자주 사용되는 방법 - 데이터들을 트리 구조의 루트에서 시작하여 차례로 중간 노드들을 거쳐 단말 노드에 배정하는 기능을 수행 엔트로피와 정보이득 엔드로피는 식으로 정의되며 양성인 데이터 p+와 음성인 데이터 p-가 있을 때 식은 아래와 같다. 정보이득은 특정 속성에 따라 데이터를 나누었을 때의 줄어든 엔트로피로 정의된다. -> ID3알고리즘

https://www.codetree.ai/missions/2/problems/max-sum-of-numbers?&utm_source=clipboard&utm_medium=text 코드트리 | 코딩테스트 준비를 위한 알고리즘 정석 국가대표가 만든 코딩 공부의 가이드북 코딩 왕초보부터 꿈의 직장 코테 합격까지, 국가대표가 엄선한 커리큘럼으로 준비해보세요. www.codetree.ai n = int(input()) arr = [] for i in range(n): arr.append(list(map(int,input().split()))) visited = [False] * n ans = -1 def f(d,s): global ans if d == n: ans = max(s,ans) return for i ..

KNN알고리즘은 지도학습에 속하는 머신러닝 알고리즘이다. 만약 닥스훈트와 사모예드를 분류한다고 하면 이전에 각각의 이미지가 어떤 레이블에 속하는 지 학습시킨 후, 새로운 데이터를 예측하는 것이다. KNN 알고리즘은 K-Nearest Neightbor의 약자로 특징 공간에 분포하는 데이터에 대하여 k개의 가장 가까운 이웃을 살피고 다수결의 방식으로 데이터의 레이블을 할당하는 분류방식이다. 만약에 사모예드와 닥스훈트를 비교해보자. 닥스훈트는 몸통의 길이가 높이에 비해 길다. 만약 새로운 데이터가 들어왔을 때 몸통의 길이가 더 긴 데이터가 들어왔다면 닥스훈트일 확률이 더 높을 것이다. KNN은 데이터의 가장 가까운 K개의 이웃을 통해 다수결의 방식으로 어떤 레이블(닥스훈트,사모예드) 인지를 결정하는 것이다. ..

백엔드 팀원 분이 api 엔드포인트를 만들어 주셨다. 데이터 형식이 application/json형식으로 보내라고 해서 그렇게 했다. 만약 그렇게 하지 않을 시 415 에러를 마주하게 된다. 어제는 글 작성, 글 불러오기를 했고 오늘은 수정 및 삭제를 할 예정이다.