문제N개의 수로 이루어진 수열 A1, A2, ..., AN이 주어진다. 또, 수와 수 사이에 끼워넣을 수 있는 N-1개의 연산자가 주어진다. 연산자는 덧셈(+), 뺄셈(-), 곱셈(×), 나눗셈(÷)으로만 이루어져 있다.우리는 수와 수 사이에 연산자를 하나씩 넣어서, 수식을 하나 만들 수 있다. 이때, 주어진 수의 순서를 바꾸면 안 된다.예를 들어, 6개의 수로 이루어진 수열이 1, 2, 3, 4, 5, 6이고, 주어진 연산자가 덧셈(+) 2개, 뺄셈(-) 1개, 곱셈(×) 1개, 나눗셈(÷) 1개인 경우에는 총 60가지의 식을 만들 수 있다. 예를 들어, 아래와 같은 식을 만들 수 있다.1+2+3-4×5÷61÷2+3+4-5×61+2÷3×4-5+61÷2×3-4+5+6식의 계산은 연산자 우선 순위를 무시하..

Logistic Regression 로지스틱 회귀 마지막에는 log-Odds의 개념과 log_Odds을 계산하는 방식에 대해서 알아봤습니다.AI가 많이 어려워지고 있네요!! but!! 열심히 공부하면 분명 얻는 건 있습니다.!! 가보시죠!!  Logistic Regression 로지스틱 회귀 -2에서는 Sigmoid Function을 시작으로 하겠습니다!!Sigmoid Function로지스틱 회귀에서는 확률을 0에서 1사이로 커브 모양으로 나타내야 하는데, 이걸 가능하게 해주는 함수가 Sigmoid 함수입니다. 위 그림은  구한 log-odds를 Sigmoid 함수에 넣어서 0부터 1사이의 값으로 변환한 것입니다.여기서 e^(-z)는 지수함수이고, numpy에서 np.exp(-z)로 쉽게 계산할 수 있습..

문제자연수 M과 N이 주어질 때 M이상 N이하의 자연수 중 소수인 것을 모두 골라 이들 소수의 합과 최솟값을 찾는 프로그램을 작성하시오.예를 들어 M=60, N=100인 경우 60이상 100이하의 자연수 중 소수는 61, 67, 71, 73, 79, 83, 89, 97 총 8개가 있으므로, 이들 소수의 합은 620이고, 최솟값은 61이 된다.입력입력의 첫째 줄에 M이, 둘째 줄에 N이 주어진다.M과 N은 10,000이하의 자연수이며, M은 N보다 작거나 같다. 출력M이상 N이하의 자연수 중 소수인 것을 모두 찾아 첫째 줄에 그 합을, 둘째 줄에 그 중 최솟값을 출력한다. 단, M이상 N이하의 자연수 중 소수가 없을 경우는 첫째 줄에 -1을 출력한다.예제 입력60100 예제 출력62061예제 입력6465 ..

문제 설명다음은 식품창고의 정보를 담은 FOOD_WAREHOUSE 테이블입니다. FOOD_WAREHOUSE 테이블은 다음과 같으며 WAREHOUSE_ID, WAREHOUSE_NAME, ADDRESS, TLNO, FREEZER_YN는 창고 ID, 창고 이름, 창고 주소, 전화번호, 냉동시설 여부를 의미합니다.문제FOOD_WAREHOUSE 테이블에서 경기도에 위치한 창고의 ID, 이름, 주소, 냉동시설 여부를 조회하는 SQL문을 작성해주세요. 이때 냉동시설 여부가 NULL인 경우, 'N'으로 출력시켜 주시고 결과는 창고 ID를 기준으로 오름차순 정렬해주세요. 문제 해결 방법여기서는 3가지 조건을 만족해야합니다.경기도에 위치한 목록만 조회냉동시설 여부가 NULL인 경우 => 'N'으로 출력창고 ID를 기준으로..

문제동호는 내년에 초등학교를 입학한다. 그래서 동호 어머니는 수학 선행 학습을 위해 쉽게 푸는 문제를 동호에게 주었다.이 문제는 다음과 같다. 1을 한 번, 2를 두 번, 3을 세 번, 이런 식으로 1 2 2 3 3 3 4 4 4 4 5 .. 이러한 수열을 만들고 어느 일정한 구간을 주면 그 구간의 합을 구하는 것이다.하지만 동호는 현재 더 어려운 문제를 푸느라 바쁘기에 우리가 동호를 도와주자.입력첫째 줄에 구간의 시작과 끝을 나타내는 정수 A, B(1 ≤ A ≤ B ≤ 1,000)가 주어진다. 즉, 수열에서 A번째 숫자부터 B번째 숫자까지 합을 구하면 된다.출력첫 줄에 구간에 속하는 숫자의 합을 출력한다.예제 입력3 7예제 출력15  출처: 코딩테스트, 백준: https://www.acmicpc.net..

로지스틱 회귀(Logistic Regression)회귀를 사용하여 데이터가 어떤 범주에 속할 확률을 0에서 1사이의 값으로 예측한다. 그 확률에 따라 가능성이 높은 범주에 속하는 것으로 분류 해주는 지도학습 알고리즘이다. Example # 1 스팸 메일 분류기어떤 메일을 받았을 때 그것이 스팸일 확률이 0.5 이상이면 spam으로 분류확률이 0.5보다 작은 경우 harm으로 분류하는 것이다.데이터가 2개의 범주 중 하나에 속하도록 결정하는 것을 2진분류(binary classification)라고 한다. Example # 2 어떤 학생이 공부하는 시간에 따라 시험에 합격할 확률이 달라진다고 가정공부한 시간이 적으면 시험에 통과 못하고, 공부한 시간이 많으면 시험에 통과한다는 식으로 설명할 수 있다.그런데..