타깃 : 등 월요일에 술을 많이 마시고 술병이 나서 이틀을 고생했다...회복하느라 많이 먹어 찐 살을 빼기 위해서 고볼륨의 운동을 진행하기로 했다. 오전 운동 코어운동 10분런닝 머신 4km    - 평균 심박수 140 오후 운동 풀업10reps 4 sets 바벨 로우40kg 10reps40kg 20reps60kg 20reps60kg 10reps 랫 풀 다운50kg 15reps 2sets70kg 10reps70kg 5reps + 40kg 5reps 로우로우50kg 20reps70kg 20reps90kg 20reps 2sets 원암 덤벨 로우30kg 15reps 4sets 슈퍼세트(케이블 풀오버 + 시티드 로우)(35kg 15reps + 60kg 20reps) 4sets 확실히 오전 오후 2타임을 운동을 ..

우선 서비스에 들어가서 현재 가동되어 있는 mysql의 이름을 확인해야 합니다.mysql로 되어 있을 수도 있고 저처럼 mysql80으로 되어 있을 수도 있습니다.서비스에서 중단할 수도 있습니다.하지만 시작하려면 프롬프트에서 해야 해서 프롬프트에서 진행하였습니다1. net stop mysql이 명령어는 MySQL 서비스를 중지합니다. MySQL을 중지하는 이유는 초기화 작업이나 설정 변경을 위해 안전하게 MySQL 인스턴스를 종료해야 하기 때문입니다.2. mysqld --initialize --console이 명령어는 MySQL 데이터 디렉터리를 초기화합니다. 초기화 작업은 다음의 경우에 필요할 수 있습니다:새로운 MySQL 서버를 설치했을 때데이터베이스를 완전히 재설치하거나 복구할 때root 계정의 암..

1. 연관분석의 개요 및 측도연관 분석 조건과 결과로 이루어진 패턴을 분석조건에 따른 결과의 형태로 해석 (IF~ THEN~)품목의 수가 증가하면 분석 계산이 기하급수적으로 증가 측도지지도두 개의 품목이 동시에 포함된 거래의 비율$$P(A\cap B)=\frac{N(A\cap B )(A와\, B가\, 동시에\, 포함된\, 거래\, 수)}{전체\, 거래수}$$신뢰도어떤 하나의 품목이 구매되었을 때 다른 품목이 구매될 확률$$P(B|A) = \frac{P(A\cap B)}{P(A)}$$$$P(A|B) = \frac{P(A\cap B)}{P(B)}$$향상도품목 A가 주어지지 않았을 때 품목 B가 구매될 확률 대비 A가 구매될 때 B가 구매될 확률$$향상도(A→B) = \frac{신뢰도(A→B)}{P(B)}$$..

1. 군집 분석군집 분석 비지도 학습데이터 사이의 유사성을 측정하고 유사한 자료들끼리 군집을 묶고 다변량 분석을 활용하여 각 군집에 대한 특징을 파악 거리 측도 연속형유클리디안 거리두 점 사이의 거리$d(x,\, y) = \sqrt{\sum_{i=1}^{n} (x_{i}-y_{i})^2}$맨하튼 거리변수들의 차이의 합$d(x, y) = \sum_{i=1}^{n} \left | x_{i}-y_{i} \right | $체비셰프 거리변수 간 거리 차이 중 최댓값$d(x,\, y) = max \left | x_{i}-y_{i} \right | $표준화 거리유클리디안 거리를 표준편차고 나눔$d = \sqrt{\sum_{i=1}^{n} \left(\frac{x_i - \mu_i}{\sigma_i}\right)^2}..

1. 로지스틱 회귀 분석로지스틱 회귀분석  종속변수가 범주형 변수일 때 독립변수의 선형 결합을 이용해 사건의 발생 가능성을 분류 예측각 범주에 포함될 확률값을 반환하여 분류한다. 오즈 성공할 확률이 실패할 확률의 몇 배인지$$Odds\, =\, \frac{성공 확률(P)}{실패 확률(1-P)}$$오즈는 두가지의 한계가 존재    - 음수를 가질 수 없다    - 확률값과 오즈의 그래프는 비대칭성을 보임 오즈에 의한 로지스틱 회귀분석 추정식 $$ln(\frac{P}{1-P})\, =\, \alpha + \beta_{1}X_{1} + \beta_{2}X_{2}+\cdots  + \beta_{k}X_{k}$$ 로짓 변환 오즈에 로그값을 취한 것독립변수X가 n 증가하면 확률이 $e^{n}$만큼 증가$$log(O..

1. 데이터 마이닝데이터 마이닝 데이터 속에서 규칙, 패턴 등을 찾아내어 예측하거나 의사결정에 활용하는 것 지도 학습 : 정답이 있는 데이터를 활용해 분석 모델을 학습시키는 것    - 회귀 분석, 의사결정나무, 신경망비지도 학습 : 정답을 알려주지 않고 학습하는 것    - 군집 분석, 차원축소, 연관분석 데이터 마이닝 프로세스 목적 정의데이터 준비데이터 가공데이터 마이닝 기법 적용검증 데이터 분할 데이터 마이닝 기법을 적용하기에 앞서 데이터를 훈련용, 검정용 평가용의 세 가지 데이터로 분할 과대적합과 과소적합 과대적합 : 모델이 지나치게 데이터를 학습하여 매우 복잡해진 모델과소적합 : 모델이 데이터를 충분히 설명하지 못하는 것  2. 데이터 분할을 통한 검증홀드아웃 전체 데이터를 랜덤하게 추출해 학습..

1.  시계열 분석시계열 분석 일정 시간 간격으로 기록된 자료들에 대하여 특성을 파악하고 미래를 예측하는 분석시계열은 추세요인, 계절요인, 순환요인, 불규칙 요인 등으로 구성 정상성 모든 시점에 일정한 평균과 분산을 갖는 것시계열 예측에 필수 정상성 확보 방법 차분 : 현 시점의 자료 값에서 이전 시점의 자료 값을 빼는 것분산 크기 일정 : 지수 변환, 로그 변환으로 일정하게 만들어야 함 자기상관계수(ACF : Autocorrelation Function) '시간의 흐름'에 따른 변수 간의 상관관계 변화 부분자기상관계수(PACF : Partial Autocorrelation Function) 자기상관함수는 두 시계열 확률변수 간의 상관관계를 보여주지만, 부분자기상관함수는 두 시계열 확률 변수 간에 다른 ..

1. 다차원 척도법 (MDS : MultiDimensional Scaling) 다차원 척도법 객체 간의 근접성을 시각화데이터를 축소하는 목적으로 사용$$Stress = \sqrt{\frac{\sum(실제거리\, - \, 추정거리)^{2}}{\sum(실제거리^{2})}}$$Stress는 0~1의 값을 갖고 0에 가까울수록 적합도가 높음 계량적 MDS : 양적척도 활용비계량적 MDS : 순서척도(서열척도) 활용   2. 주성분 분석 (PCA, Principal Components주성분 분석 상관성 높은 변수들의 선형 결합으로 차원을 축소하여 새로운 변수 생성  스크리 플롯 (Scree plot) x축은 성분의 개수, y축은 분산변화로 설정하여 주성분의 개수를 선택하는데 도움을 준다. 바이 플롯 (Biplot..

1. 회귀분석회귀분석 독립변수들이 종속 변수에 얼마나 영향을 미치는지 추정 독립변수 : 원인 변수종속변수 : 결과 변수잔차 : 계산값과 예측값의 차이 회귀분석의 종류 단순회귀 : 1개의 독립변수와 종속변수다중회귀 : 2개 이상의 독립변수와 종속변수다항회귀 : 2개이 상의 독립변수와 종속변수가 2차 함수 관계를 이룸릿지회귀 : L2 규제를 포함라쏘회귀 : L1 규제를 포함 선형 회귀 분석의 분산분석표 요인제곱 합자유도제곱평균F회귀SSRk$MSR = \frac{SSR}{k}$ 잔차SSEn-k-1$MSE = \frac{SSE}{n-k-1}$ 총SST = SSR + SSEn-1 MSR/MSE$$SSR\, =\, \sum(\acute{Y}-Y)^2, \; SSE\, = \, \sum(Y-\acute{Y})^2$$..

1. t-검정 일 표본 t-검정 (One sample t-test) 하나의 모집단의 평균(n)값을 특정 값과 비교하는 경우 사용 일 표본 단측 t-검정 모수값이 "~보다 크다" 혹은 "~보다 작다"와 같이 한쪽의 방향성을 갖는 경우 수행 일 표본 양측 t-검정 모수값이 "~이다" 혹은 "~이 아니다"와 같이 방향성이 없는 경우 수행 이(독립) 표본 t-검정(Independent sample t-test) 서로 독립적인 두 개의 집단에 대하여 모수(모평균)의 값이 같은 값을 갖는지 통계적으로 검정하는 방법 이 표본 단측 t-검정 두 집단에 대하여 모수 비교를 할 때 "~이 ~보다 크다" 혹은 "~이 ~보다 작다"와 같이 두 집단 사이에 대소가 있는 경우 수행 이 표본 양측 t-검정 두 집단에 대하여 모수 ..