구분4 [개념 구분] delete, truncate, drop 구분해서 사용하기 명령어 구분 기능 delete DML 데이터만 삭제 truncate DDL 테이블 구조만 남기고 데이터, 인덱스, 테이블 공간 삭제(기억 공간 해제) drop DDL 테이블을 포함하여 전체 삭제 데이터, 인텍스, 테이블 공간, 테이블 삭제 2022. 9. 17. 데이터 구분 - 정량적/정성적 데이터, 정형/반정형 데이터 1. 데이터의 유형별 구분하기 정량적(Quantitative) 데이터란? 주로 숫자로 이루어진 데이터 정성적(Qualitative) 데이터란? 문자와 같은 텍스트로 구성되어 함축적 의미를 갖고 있는 데이터 구분 정량적 데이터 정성적 데이터 유형 정형데이터, 반정형 데이터 비정형 데이터 특징 여러 요소의 결합으로 의미 부여 객체 하나가 함축된 의미 내포 관점 주로 객관적 내용 주로 주관적 내용 구성 수치나 기호 등 문자나 언어 등 형태 데이터베이스, 스프레드시트 등 웹로그, 텍스트 파일 등 위치 DBMS, 로컬 시스템 등 내부 웹사이트, 모바일 플랫폼 등 외부 분석 통계 분석 시 용이 통계 분석 시 어려움 * 정형(Structured) 데이터 : 정해진 형식과 구조에 맞게 저장되도록 구성된 데이터, 연산이.. 2022. 9. 6. [모델 선택하기] 머신러닝(지도학습,비지도학습,강화학습)/딥러닝 데이터 분석을 할 때, 가장 먼저 생각해야 하는 것이 분석의 목적과 목표, 그리고 그를 위한 변수와 모델을 설정하는 것이다. 여기서 모델을 정한다는 것은 목표를 도출하기 위해 머신러닝을 할지 딥러닝을 적용할지 그리고 머신러닝을 한다면 지도학습/비지도학습/강화학습 중 어떤 방식 선택할 것인지를 고민해 봐야 한다. 목표가 같다고 해도 적용하는 방법에 따라 결과들이 다르게 나올 수 있기 때문이다. 1. 머신러닝 데이터의 양이 적고 주로 정형데이터이며, 분석 목적과 목표 도출을 위해 파생변수를 도출해야 하며다양한 파라미터를 조정하여 성능평가를 할 수 있다. 1) 지도학습 조건) 지도학습은 입력데이터(이하 'x'데이터)와 출력데이터(y, 이하 라벨)가 있다. 목표) 라벨이 없는 신규 'x'데이터에 대하여 라벨값을.. 2018. 7. 19. [이론] 머신러닝 알고리즘 기초 (인공뉴런-퍼셉트론, 에이다라인) Comment: 비정공자의 경우 인공지능/머신러닝을 배울 떄 퍼센트론만 생각할 수 있는데, 에이다라인과 비교하여 알면 좋다 퍼셉트론 관련 내용 참조 : http://yamalab.tistory.com/36 에이다라인 학습- 로지스틱 회귀 모델이나 서포트 벡터 머신과 같은 분류모델에 관한 고급 머신러닝 알고리즘을 이해하기 위한 기초- 페셉트론과의 차이점: 비용함수를 정의하고 최소화하함=> 실수 분류 레이블임. 참고자료 http://coolingoff.tistory.com/8 2018. 4. 24. 이전 1 다음 반응형
