스칼렛의 코딩라이프

이거 하다가 몇날며칠을 고민했는지 모른다.. 머리로는 그림이 그려지는데, 구현을 하려니까 너무너무너무 어려워서 결국 도움을 받았다. 검색을 해 보니까 위상정렬 문제라고 하는데, 위상정렬이라는 것을 처음 들었다.. 이러니 절대 풀 수가 없지 무엇인가 혼자 해 보려고 했는데 안되서 좌절감을 느끼고 있었는데 애초에 몰랐던 거니까.. 이제 알게되어서 다행이라고 생각했다. 언제쯤 능숙하게 이것 저것 모두 구현할 수 있는 능력을 가지게 될까. 정렬 문제는 여러가지로 공부 해 봐야겠다. from sys import stdin from collections import deque input=stdin.readline T=int(input()) for _ in range(T): N,K=map(int,input().spl..

*Integer Encoding 머신러닝에 데이터를 inpur하기 전에, 컬럼의 값을 모두 int 값으로 변경 해 주는 것이 좋다. 따라서, Row Data 상에 object 형태의 값(str 값)이 있는경우 int 값으로 대응할 수 있도록 mapping 하는것이 좋다. DataFrame의 .replace() 함수를 이용하여 컬럼의 값을 원하는 형태로 변경 가능하다 ex) 숫자형 값을 문자형으로, 숫자형 값을 다른 숫자로 #YES/No 값을 0,1로 변경 df['Column'].replace({'No' : 0, "YES" :1}, inplace=True) ex) 변경 하고싶은 값을 변경 :.replace()함수는 원하는 값을 일괄적으로 변경 할 때 편리하다 # 값을 변경하고 싶을 때 df.replace(..

* Random Forest :전체 데이터의 일부를 샘플링한 서브 데이터를 이용해서 학습시킨 여러개의 결정트리의 예측값들간에 보팅을 통해 최종 출력값을 만들어내는 기법 - 분류, 회귀 분석 등에 사용되는 앙상블 학습 방법의 일종 - 훈련 과정에서 구성한 다수의 결정트리로부터 분류 또는 평균 예측치(회귀 분석)를 출력함으로써 동작 Random Forest의 장, 단점 - 장점 : 일반적으로 안정적인 좋은성능을 발휘 병렬처리를 이용해서 여러개의 트리를 한번에 학습 가능 - 단점 : 학습 시간이 상대적으로 오래걸림. sklearn.ensemble.RandomForestClassifier #분류 문제에 사용 sklearn.ensemble.RandomForestRegressor#회귀 문제에 사용

N,K=map(int,input().split()) vl=[[0,0]] for i in range(N): vl.append(list(map(int,input().split()))) dp=[[0 for _ in range(K+1)] for _ in range(N+1)] for i in range(1,N+1): for j in range(1,K+1): w=vl[i][0] v=vl[i][1] if j

쉬울 줄 알았는데.. 아니었다 하지만 난 해냄 a=int(input()) dp2=[0]*1001 dp2[1]=1 dp2[2]=3 dp2[3]=5 for i in range(4,a+1): dp2[i]=(dp2[i-1]+dp2[i-2]*2)%10007 print(dp2[a])

이것도 피보나치 활용.. 점화식 자체가 되게 쉽다.. 이런걸로 먼저 트레이닝 하고 어려운 것을 풀었어야.. 했어.. a=int(input()) dp=[0]*91 dp[1]=1 dp[2]=1 for i in range(3,a+1): dp[i]=(dp[i-2]+dp[i-1]) print(dp[a])