|
알고리즘(K-Nearest Neighbor)
서포트 벡터 머신(Support Vector Machine, SVM)
결정 트리(Decision Tree)
총체적 학습
랜덤 포레스트(Random Forest)
XG 부스트(XG Boost)
머신러닝의 성능
PART 5
진단에 응용한 베이즈 정리
베이즈 정리란?
PAR
|
|
|
트리 등)를 학습할 때에도 배열 기반 리스트 구현 경험은 큰 도움이 될 것이다.
결론적으로, 배열을 이용한 선형리스트 구현은 자료구조와 알고리즘의 기본기를 다지는 데 있어서 반드시 익혀야 할 중요한 주제이다.
꾸준한 실습과 다양한 변
|
|
|
알고리즘이 간단하지만 각 디렉토리마다 파일의 제거를 위한 참조 카운터가 필요하다. 1. 들어가며
2. 화일시스템(file system)
3. 화일 시스템의 기능
4. 데이타의 계층구조
5. 블럭킹과 버퍼링
6. 화일구조(file organization)
7. 디스크
|
|
|
트리등의 기법 사용
분석목적에 따라 적절한 기법을 사용하여 예측모형을 만드는 단계
마. Reporting/Visualization 단계
그래프나 각종 차트등으로 사용자들에게 보기 편하고 이해하기 쉬운 형태로 제공 데이터마이닝의 정의
데이터마이닝
|
|
|
제3장 탐색에 의한 문제풀이
제4장 게임트리
제5장 지식과 인공지능
제6장 논리에 의한 지식표현
제7장 퍼지이론
제8장 컴퓨터 시각과 패턴인식
제9장 기계학습
제10장 신경회로망
제11장 심층학습
* 각 장별 출제예상문제 + 해설포함 *
|
|
|
제3장 탐색에 의한 문제풀이
제4장 게임트리
제5장 지식과 인공지능
제6장 논리에 의한 지식표현
제7장 퍼지이론
제8장 컴퓨터 시각과 패턴인식
제9장 기계학습
제10장 신경회로망
제11장 심층학습
* 각 장별 출제예상문제 + 해설포함 *
|
|
|
|
return 1; 1.자료구조와_알고리즘(연습문제)
2.순환(연습문제)
3.배열(연습문제)
4.리스트(연습문제)
5.스택(연습문제)
6.큐(연습문제)
7.트리(연습문제)
8.우선순위큐(연습문제)
9.정렬(연습문제)
10.그래프(연습문제)
11.해싱(연습문제)
|
|
|
알고리즘(1) ~ (9)
문서 클러스터링: 평가척도(1)
문서 클러스터링 응용사례(1) ~ (3)
문서 범주화
문서 범주화: 자질선정 기준(1) ~ (2)
자질선정 기준의 선택
문서 범주화 기법
나이브 베이즈 기법(1) ~ (3)
kNN 분류기(1) ~ (2)
SVM 분류기
문서 범
|
|
|
알고리즘에서 사용됨.)을 조절하여 제공될 수는 있다. 그러나 이런 식으로 트래픽을 다양한 링크로 분산시키기에는 한계가 있고, 특히, 대체 경로가 무지 많은 대규모 네트워크에서, 어느 두 지점 간에 이러한 메트릭 값을 조절하여 부하 균등
|
|
|
tree를 출력하는 함수
{
if(ptr){
inorder(ptr->left_Child);
printf("%d ",ptr->data);
inorder(ptr->right_Child);
}
}
int main() //메인함수
{
int select_num;
pointer = NULL; //일단 pointer는 NULL로 초기화
while (1) {
select_num=menu();
switch(select_num) {
case 1 : insert(); break;
|
|
메뉴펼치기
