Jooo's life story

간혹, 구글에서 학술 자료를 검색하다 보면 *.ps 혹은 *.pz 확장자를 가지는 논문 파일들을 만나게 된다. Adobe acrobat 으로도 열리지 않는 이 파일이 도대체 뭘까 궁금했지만 정작 찾아본 적은 없었다. 이번에 엄청난 양의 리서치를 진행하면서 결국 이 파일을 읽는 방법을 검색했다. 많은 블로그에서 이런저런 링크들을 소개했다. 그치만.... 말 그대로 이것도 되고 저것도 되고 그래서 뭘 깔아야 열린다고?!! 나처럼 헷갈리는 사람들이 있을지도 모르기 때문에(없으려나?ㅋ) 딱! 필요한 링크만 정리한당. 일단, *.ps, *.eps 등등 이런 파일들은 결국 이미지 파일들이다. 그런데 *.eps 파일은 기존의 일러스트레이터 프로그램을 이용해서 로딩이 가능하지만, *.ps 파일은 특수한 프로그램이 필요..

예전부터 정말 한번 꼭 가보고 싶고 궁금했던 곳이 있었다. 간판도 허름하고 위치도 주의깊게 보지 않으면 잘 기억에 남지 않는 위치에 있는 그 곳.. 정확한 이름도 없다. 그냥 '우동' 일 뿐 ㅎㅎ 야근하고 퇴근하는 길에 너무너무 배고파서 뭔가는 먹고 싶은데,, 시간이 너무 늦어서 딱히 뭘 먹자니 속에 부대낄 것 같은 느낌이었는데 그때 딱! 생각나서 가봤다. 꽤 늦은 시간이었는데도 우리가 들어갈 때 사람들이 막 다 먹고 나오는 한 무리가 있었고, 우리가 앉아 있는 동안에도 또 한 여자분이 들어왔다. 들어가는 문에도 써 있지만 메뉴는 상당히 단촐하다. 우동, 짜장면, 김밥 뿐! 가격은...음..가게 외관만 보고 들어간 곳 치고는 김밥이 조금 비싼듯. 일단, 배가 고팠기에 우동과 김밥을 시켰다. 시키자마자 즉..

날씨가 너무 화창하고 따뜻한 요즘~! 서울 근교로 나들이 가기 딱!! 좋은 날씨다 ㅎㅎ 오히려 안나가면 왠지 나만 손해보는 것 같은 기분이 들 정도로 ^^; 오랜만에 만끽할 수 있는 토요일. 자전거를 탈까 걸을까 뭐 할까 고민고민하다가 운전연수도 할 겸 드라이브도 할 겸 남양주 봉쥬르 카페로 고고싱~~~! 바람도 적당히 불어주고 차도 별로 안막히고.. 일단 내가 운전을 안해서 그 좋은 경치 구경 실컷~! ^0^ (이건 울 마눌님이 쓰신 거라 신나신 거임 ㅋ) 그렇게 달려서 도착한 남양주 봉쥬르 카페~! 거의 3시쯤 도착했을때도 이미 주차장은 꽉 차서 근처 길가에 주차하고 천천히 걸어서 둘러보기로 했다. 먹는건 일단 좀 놀고 나서 ^^;; 요건 봉쥬르 카페에서 강쪽에 있는 자전거 도로 겸 산책로(?)로 나..

A naive Bayes classifier is a simple probabilistic classifier based on applying Bayes' theorem with strong (naive) independence assumptions. A more descriptive term for the underlying probability model would be "independent feature model". 위의 정의는 wikipedia에 나온 내용이다. 그럼 이제 각각에 대해서 알아보자 먼저 나이브 베이스 분류기는 베이스 이론에 기반한 간결한 확률 모델이라 한다. 그럼 베이스 이론이 먼지 알아야 할 것이다. 위의 수식은 모두 알 것이다. P(A|B)라는 것은 B가 주어졌을때 A의 확률..

ㅇ Frequent Pattern - 말그대로 자주 발생하는 패턴 - 왜 중요할까 ? - 데이터 셋에서 본질적이고 중요한 특성을 나타낸다. ㅇ 기본 개념 X -> Y의 룰에 대한 Support와 Confidence에 대해 알아보자. Support : 경우의 확률이라고 보면 될듯하다. 예를 들어 X를 사면 Y도 산다라는 룰을 생각해보자. 그럼 이 룰에 대한 서포트는 데이터 모든 경우에서 X를 사고 Y를 산 확률을 의미한다. 다시 말해서 Support가 높다는 말은 빈도가 많으니 발생 확률이 높다는 이야기가 될 것이다. Confidence : 신뢰도라고 볼 수 있을 듯 하다, X를 산 경우를 전체 집합이라 하고, X->Y를 산 경우의 확률이 컨피던스이다. 즉 이 룰이 맞을 확률? 정확도라고 볼 수 있겟다. ..

ㅇ 데이터 웨어하우스란? 관리자의 결정을 돕는 Subject-oriented, integrated, time-variant, nonvolatile의 특성을 갖는 데이터 집합이다. “A data warehouse is a subject-oriented, integrated, time-variant, and nonvolatile collection of data in support of management’s decision-making process.”—W. H. Inmon ㅇ Subject-Oriented - 복잡하게 설명하고 있는데, 결론은 필요한 분야에 맞도록 주제를 정해서 데이터베이스를 만들라는 말인듯 하다. ㅇ Integrated - 결국 수 많은 곳에 분포되어 있는 데이터베이스가 있는 경우, 그..

1. 데이터 전처리를 하는 이유는? 1) 불완전(incomplete) : 데이터가 비어 있는 경우가 있을 수 있다. 속성에 값이 Null 인 경우 2) 잡음(Noisy) : 에러 또는 잡음이 포함된 경우 예) 나이 : -10 3) 모순된(Inconsistent) : 생년월일과 나이가 맞지 않는 경우, 복사된 레코드의 불일치 2. 데이터 전처리가 중요한 이유는? - 질 좋지 않는 데이터는 질 좋지 않은 마이닝 결과를 낸다. - 결과는 데이터에 의존적이기 때문이며, 데이터 웨어하우스는 질 좋은 데이터의 완전한 통합이 필요하다 3. 전처리의 주요 작업 1) Data Cleaning : 없는 데이터는 채우고, 잡음은 제거하며, 모순된 데이터를 해결 2) Data Integration : 여러개의 데이터베이스를 ..

오늘 하루종일 Opencv 연동을 하느라 삽질을 했습니다. 자바도 처음 하고 기존에 잘 정리해주신 블로거님들 덕분에 설치 까지는 편하게 갔죠. 하지만 opencv 얼굴 검출 샘플을 실행하는데 하루 종일 삽질..ㅋㅋ 정리하자면.. 1. JDK 설치 2. 이클립스 설치 3. Opencv 설치 - 요게 사실 좀 햇갈립니다. 왜냐하면 어디에는 JNI? NDK? 머 이렇게 나와있고, 어디 갔더니 그냥 OpenCV 받아서 설치하면 되구.. 제 생각이 맞는지는 모르겠지만 포팅된 Opencv를 받는게 가장 깔끔할 듯 합니다. NDK를 이용한 방법을 써놓으신 분들은 왠지 opencv를 사용하기 위해 컴파일을 해서 라이브러리를 만드는 과정까지 해야하기 때문에 설치를 해야하지 않나 싶네요. 저 같은 경우는 아직 c로 만든 ..

세미나 자료로 만든 프리젠테이션이다. 넘기다 보면 설명이 약간 ? 아니 아주 약간? 되어있다. 좀 더 자세히 설명하고 싶지만 지금은 시간이 좀 없어서..ㅋㅋㅋ 나중에도 솔직히 할거 같진 않다..ㅋㅋ 머 많은 사람들이 요구하면? 생각해보고...ㅋ 이제부터 새로운 공부를 할때마다 포스팅을 해바야징.. 여러분들도 열심히 공부하세요~ㅋㅋ 본 게시물이 도움이 되었다면, 꾸~욱~ 눌러주세요. 포스팅 하는데 많은 힘이 됩니다~~~

아직 제대로 정리가 되진 않았지만 언젠가는 정리가 되겠지. 먼저 내적의 의미는 무엇일까... X dot Y = |X||Y|Cos(theta) 로 표현된다. 이 식을 보고 잘 생각 해야 한다. 내적의 값이 과연 무엇을 의미할까? Cos(세타)는 두 선이 이루는 각도에 따라 값이 변한다. -1~1사이 값이며 세타가 0 일때 코사인 값은 1이 된다. 그렇다면 세타가 90이라면? 코사인 값은 0이 되겟지. 즉 코사인 값은 두개의 벡터가 같은 방향일 수록 값이 크며, 반대 방향일수록(음수) 값이 작다는 것을 알 수 있다. 또한 0이 되는 90도의 경우에는 두 방향의 벡터가 독립이다라는 것을 알 수 있다. 그렇다면 이젠 고유벡터에 대해 생각해보자 사실 내가 접한 고유벡터는 대부분 공분산 행렬에서만 구했다. 그래서 ..