# F1
어머 얘 우리집 애랑 너무 닮았다~
0. 들어가며 고양이. 귀엽다. 강아지. 역시 귀엽다. 마음껏 사랑을 표현할 수 있는 우리 인간들의 영원할 반려 개체들. 사진도 마음껏 찍어놓을 수 있다. 동거묘, 동거견이 있을 경우, 우리들의 폰 갤러리는 그들의 사진과 사랑으로 가득할 것이다. 그러다 문득, 우리의 동거묘, 동거견과 비슷하게 생긴 친구들이 있는지 알아보고 싶은 마음이 생긴다. 방법은 간단하다. 구글 이미지 검색창에 사진 한 장 띡 업로드해주면 바로 우리들의 구글구글이 그와 유사한 사진들을 뿅뿅 찾아다 준다. 그런데 사진 검색은 어떤 과정을 통해 이뤄지는 것일까? 갑자기 궁금증이 생겨난다. 사진 검색의 아이디어의 핵심은 간단(?)하다. 사진을 수치화하는 것이다. 무수히 많은 양의 사진들을 미리 수치화해놓고, 내가 검색창에 올려놓고 싶어하는 사진 또한 수치화한 후, 미리 수치화해놓은 무수히 많은 양의 사진들과 쭉~ 비교해보고 그 중 가장 유사한 수치값을 가지고 있는 사진을 뽑아다주면 된다. _와~ 정말 간
파이썬 머신러닝 완벽 가이드 - 4. Evaluation
Evaluation 평가 ( in 분류) 1. 평가 지표 1. 정확도 Accuracy 실제 데이터에서 예측 데이터가 얼마나 같은지 판단하는 지표 특히 정확도는 불균형한 레이블 값 분포에서는, 적합한 평가 지표가 아님 ex) MNIST 데이터 셋을 다중분류에서 이진분류로 바꾸면 (7을 True, 나머지를 False) ⇒ 0과 1중 0을 찍으면 90%의 정확도가 나오게 됌 $$ 정확도(Accuracy) = \frac{TN+TP}{TN+FP+FN+TP} $$ 2. 오차 행렬 Confusion Matrix T/F : ‘같은가 틀린가' & N/P : $\widehat{y}$ 이 ‘neg 0 인가 pos 1 인가’ | | $
[Git] Git Flow
Git Flow > UpStream : Origin_Repo > Origin : my_Repo > Local : clone 1. UpStream에서 Origin으로 Fork 2. Origin에서 Local로 Clone 3. Local에서 Brach 생성 후 Branch에서 코드 작성 4. 변경된 branch를 push 5. push를 통해 변경된 branch를 UpStream에 PR 이 과정을 진행하면, UpStream에는 각 팀원들의 작성된 코드가 올라간다. Merge를 진행