본문 바로가기

전체 글146

복리, 원리합계, 이자 계산 문제(등비수열) | 파이썬 while, for문 문제 회차별 납입금(or 저축액), 기간, 이자율을 입력받고, 모든 기간 경과 후의 원금총액, 이자총액, 원리금을 구해보자. (단, 기간 : 1~30회 제한, 이자율 : 1%~100% 제한) 접근 1. (1+이자율)을 곱한값을 계속 더하면 된다(등비수열). 이 값은 '원리합계'이다. 2. 원금총액 = 회차별 납입금 X 기간 3. 이자총액 = 원리합계 - 원금총액 #복리 프로그램 작성 total = income = int(input('회차별 납입금 : ')) term = int(input('기간(1 2020. 6. 24.

[백준 1110번] 더하기 사이클 문제 | 파이썬 while문 문제 0보다 크거나 같고, 99보다 작거나 같은 정수가 주어질 때 다음과 같은 연산을 한다. 1. 먼저 주어진 수가 10보다 작다면 앞에 0을 붙여 두 자리 수로 만들고, 각 자리의 숫자를 더한다. 2. 그 다음, 주어진 수의 가장 오른쪽 자리 수와 앞에서 구한 합의 가장 오른쪽 자리 수를 이어 붙이면 새로운 수를 만들 수 있다. 다음 예를 보자. 1. 26부터 시작한다. 2. 2+6 = 8이다. 새로운 수는 68이다. 3. 6+8 = 14이다. 새로운 수는 84이다. 4. 8+4 = 12이다. 새로운 수는 42이다. 5. 4+2 = 6이다. 새로운 수는 26이다. 위의 예는 4번만에 원래 수로 돌아올 수 있다. 따라서 26의 사이클의 길이는 4이다. N이 주어졌을 때, N의 사이클의 길이를 구하는 프로.. 2020. 6. 20.

AFPK 자격연장 계속교육 18학점 이수 강의 추천 (윤리 포함 20학점) (추천강의는 글 제일 하단에 있습니다) 금융권 대표 자격증인 AFPK는 2년마다 자격인증을 갱신해야 합니다. 윤리 2학점 포함 총 20학점을 이수해야하는데요, 윤리과정 이수 사이트는 이곳입니다. 윤리 과정은 1학점당 1만원이니, 2학점짜리 한번에 끝내시면 됩니다. (저는 '재무설계 프로세스와 윤리'를 들었습니다) 이제 나머지 18학점을 들어야 하는데요, 방법은 총 7가지 입니다. 1. 전문단체에서의 교육수강 한국FP협회(금융교육센터), 금융투자교육원, 금융연수원, 보험연수원 등을 포함하여 한국FPSB가 인정하는 전문 단체, 전문 연수기관 또는 각 금융기관이 개설하는 연수과정(집합, 사이버, 우편통신) 등의 교육프로그램 중 재무설계사의 전문 지식, 기술과 능력을 향상시키는 재무설계 핵심항목에 해당되는 교육.. 2020. 6. 20.

머신러닝 공부 4편 - 정규화된 로지스틱 회귀분석 ○ 과적합(Overfitting) 너무 많은 Feature를 가지고 있는 경우, 가설함수가 traning set에는 매우 잘 맞지만 새로운 data에 대해서는 일반화에 실패하는 문제를 일컫는다. ☞ 과적합 문제의 해결 방법 1. Feature의 개수를 줄인다. - 수동으로 사용할 Feature를 선택한다. - 알고리즘을 사용하여 Feature를 선택한다. 2. 정규화(Regularization) - 모든 Feature를 유지하되,

Θ

$\Theta$ 의 값을 줄인다. (

Θ_{j} \approx 0

$\Theta _{j}\, \approx \, 0$ ) - Feature의 개수가 많아도 y를 잘 예측할 수 있도록 만들어준다. ○ 정규화(Regularization) ☞ 접근방법 $\Theta _{0}+\Theta _{1}x+\Theta _{2.. 2020. 6. 15.

머신러닝 공부 3편 - 로지스틱 회귀분석에서의 비용함수, 경사하강법 | Machine Learning(Coursera, Andrew Ng) ○ 분류(Classification)

y \in {0, 1}

$y\: \in \left \{ 0,\, 1 \right \}$ ··· 0 : negative class, 1 : positive class 기존 선형회귀분석

h_{Θ} (x) = Θ_{0} + Θ_{1} x

$h_{\Theta }(x) = \Theta _{0}+\Theta _{1}x$ 으로 분류를 할 경우,

h_{Θ} (x)

$h_{\Theta }(x)$ 는 0 or 1이 되어야 하는데, x 값에 따라

h_{Θ} (x)

$h_{\Theta }(x)$ 의 값이 0보다 작아지기도 하고, 1보다 커지기도 하는 문제가 발생한다 따라서

0 \leq h_{Θ} (x) \leq 1

$0\leq h_{\Theta }(x)\leq 1$ 을 만족시키기 위해 시그모이드 함수(Sigmoid Function)을 이용하여 변환을 시켜준다. →

g (z) = \frac{1}{1 + e^{- z}}

$g(z)\: =\: \frac{1}{1+e^{-z}}$ → $z\: =\: \T.. 2020. 6. 14.

표본분산 공식에서 n 대신 n-1을 사용하는 이유 표본분산 공식

s^{2} = \frac{\sum (x_{i} - \bar{x})^{2}}{n - 1}

$s^2\, =\, \frac{\sum (x_{i}-\overline{x})^2}{n-1}$ 에서 분모는 왜 n이 아니라 n-1일까? 이는

\sum (x_{i} - \bar{x})^{2}

$\sum (x_{i}-\overline{x})^2$ 을

n - 1

$n-1$ 로 나누어야 표본분산의 기대치가 모분산이 되기 때문이다. (n-1을 사용해야 표본분산이 모분산의 불편추정치가 된다!) 모평균과 모분산이

μ, σ^{2}

$\mu,\: \sigma ^2$ 를 따르는 분포에서 관측한

x_{1}, \dots, x_{n}

$x_{1},\: \cdots ,\: x_{n}$ 에 대하여 표본평균은

\bar{x} = \frac{\sum x_{i}}{n}

$\overline{x}\: = \: \frac{\sum x_{i}}{n}$ 이고, 표본평균의 평균과 분산은 $E(\overline{x})\: = \: \mu ,\:\: Var(\overline{x})\: =\: \frac{\sig.. 2020. 6. 13.

이전 1 ··· 17 18 19 20 21 22 23 ··· 25 다음

티스토리툴바