9장. 연관규칙분석과 협업필터링
|
|
- 민서 손
- 5 years ago
- Views:
Transcription
1 9 장. 연관규칙분석과협업필터링 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 1 / 28
2 학습내용 연관규칙분석연관규칙측도절차고려사항협업필터링 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 2 / 28
3 연관규칙분석 I 데이터에존재하는항목 (item) 들간의 if-then 형식의연관규칙을찾는방법기업의데이터베이스에서상품의구매, 서비스등일련의거래 (transaction) 또는사건들간의연관성에대한규칙을발견손님의장바구니에들어있는품목간의관계를알아본다는의미에서장바구니분석 (market basket analysis) 이라고도함효율적인매장진열, 패키지상품의개발, 교차판매전략구사, 기획상품의결정등 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 3 / 28
4 연관규칙분석 II 예 서비스: 고객들이 특정 서비스를 받은 후 다음에 어떤 서비스를 원하는지 금융: 고객들의 기존 금융서비스 내역으로부터 대출과 같은 특정한 서비스를 받을 가능성이 높은 고객을 찾음 보험: 보험금 청구가 기존의 정상적인 청구와 다른 패턴을 보이는 경우 보험사기일 가능성이 인터넷 쇼핑몰의 상품 추천, 텍스트마이닝에서 웹페이지간의 링크에 대한 분석 등 박창이 (서울시립대학교 통계학과) 9장. 연관규칙분석과 협업필터링 4 / 28
5 연관규칙 I 연관규칙의종류유용한규칙 목요일에식료품가게를찾는고객은아기기저귀와맥주를함께구입하는경향이있다 자명한규칙 한회사의전자제품 ( 가령스마트폰, 세탁기등 ) 을구매하던고객은전자제품을살때같은회사의제품을사는경향이있다 설명이불가능한규칙 새로연건축자재점에서는변기덮게가많이팔린다 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 5 / 28
6 연관규칙 II 편의점거래내역예제고객번호품목 1 오렌지쥬스, 사이다 2 우유, 오렌지쥬스, 식기세척제 3 오렌지쥬스, 세제 4 오렌지쥬스, 세제, 사이다 5 식기세척제, 사이다 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 6 / 28
7 연관규칙 III 동시구매표 오렌지쥬스 식기세척제 우유 사이다 세제 오렌지쥬스 식기세척제 우유 사이다 세제 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 7 / 28
8 연관규칙 IV 연관규칙 : If X, then Y (X Y ) 두품목 X와 Y를동시에구매한경우의수가일정수준이상품목 X를포함하는거래중품목 Y를구입하는경우의수도일정수준이상 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 8 / 28
9 연관규칙분석의측도 지지도 지지도 = ˆP(X Y ) = X 와 Y 가동시에포함된거래수전체거래수 신뢰도 ˆP(Y X ) = ˆP(X Y ) ˆP(X ) = 품목 X 와 Y 를동시에포함하는거래수품목 X 를포함하는거래수 편의점거래내역예제 오렌지쥬스를구매하면사이다를구매한다 : 2/5 와 2/4 우유와오렌지쥬스를사면식기세척제를산다 : 1/5 과 1/1 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 9 / 28
10 지지도와향상도예제 I 거래내역 항목 거래수 A 100 B 150 C 200 {A,B} 400 {A,C} 300 {B,C} 200 {A,B,C} 100 추가안함 550 전체거래수 2000 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 10 / 28
11 지지도와향상도예제 II 상대도수 항목 품목이포함된거래수 확률 A B C {A,B} {A,C} {B,C} {A,B,C} 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 11 / 28
12 지지도와향상도예제 III 하나의품목만을결과로갖는모든연관규칙 규칙 지지도 신뢰도 X Y ˆP(X Y ) ˆP(X ) ˆP(Y X ) A B B A C B B C A C C A {A, B} B {B, C} A {A, C} B 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 12 / 28
13 향상도 I {B, C} A: 신뢰도 으로가장높음. 품목 {B, C} 의거래가 일어날가능성은 0.15 로작음 지지도와신뢰도만으로는유용한규칙인지판단하기어렵기때문에 향상도를고려 연관규칙 X Y 의향상도 ˆP(X Y ) ˆP(X )ˆP(Y ) = ˆP(Y X ) = 신뢰도 ˆP(Y ) ˆP(Y ) = 품목 X 와 Y 를포함하는거래수품목 X 를포함하는거래수 품목 Y 를포함하는거래수 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 13 / 28
14 향상도 II 향상도 = 1: 두품목이서로독립적인관계향상도 > 1: 규칙이결과를예측하는데있어서우연적기회 (random chance) 보다우수. 양의상관관계향상도 < 1: 규칙이결과를예측하는데있어서우연적기회보다나쁨. 음의상관관계 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 14 / 28
15 연관규칙분석절차 품목의갯수가 k이면모든가능한품목의수는 2 k k가아주큰경우에이모든집합중에지지도가높은집합을찾는것은현실적으로불가능 최소지지도보다큰집합만을대상으로높은지지도를갖는품목집합을찾음 Apriori 알고리즘 1. 최소지지도를넘는모든빈발품목집합 (frequent itemset) 을생성한다. 2. 빈발품목집합에서최소신뢰도를넘는모든규칙을생성한다. 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 15 / 28
16 빈발품목집합의생성 1. 개별품목중에서최소지지도를넘는모든품목을찾음 2. 위에서찾은개별품목만을이용해서최소지지도를넘는 2가지품목집합을찾음 3. 위의두스텝에서찾은품목집합을결합하여최소지지도를넘는 3 가지품목집합을찾음 4. 위과정을반복하여최소지지도가넘는빈발품목집합들을찾음 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 16 / 28
17 빈발품목집합의생성예제 I 최소지지도 30% 데이터 거래품목 1 F, K, N 2 E, F 3 E, S 4 E, F, N 5 C, E, F, K, N 6 C, K, N 7 C, K, N 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 17 / 28
18 빈발품목집합의생성예제 II 빈발품목집합생성과정 C, E, F, K, N, S의빈도 : 3, 4, 4, 4, 5, 1 F 1 = {C, E, F, K, N} 2-후보품목집합 : C 2 = {{C, E}, {C, F }, {C, K}, {C, N}, {E, F }, {E, K}, {E, N}, {F, K}, {F, N}, {K, N}} 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 18 / 28
19 빈발품목집합의생성예제 III C 2 의각품목의빈도 : 1, 1, 3, 3, 3, 1, 2, 2, 3, 4 F 2 = {{C, K}, {C, N}, {E, F }, {F, N}, {K, N}} 3-후보품목집합 : C 3 = {{C, K, N}} {E, N} F 2 이므로 {E, F, N} 는제외 {C, K, N} 의빈도 : 3으로최소지지도를넘고 F 3 = {{N, C, K}} 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 19 / 28
20 연관규칙의생성 빈발품목집합에대하여연관규칙을생성하기위해, 공집합을제외한빈발품목집합의모든부분집합을대상으로신뢰도를계산하고주어진최소신뢰도를넘는연관규칙을찾음예제에서빈발품목집합 F 1, F 2, F 3 이생성되면모든가능한연관규칙을생성한후정해진최소신뢰도를넘는연관규칙을찾음 ( 질문 ) 최소신뢰도가 80% 를넘는연관규칙은? 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 20 / 28
21 고려사항 I 적절한 품목의 선택 분석의 목적 (예) 술 vs 소주, 맥주, 포도주, 위스키 등 디자이너 레이블이나 저지방, 무지방 제품 등과 같은 가상품목 일반적으로는 일차 단계에서 상위수준의 품목 분류를 이용하여 규칙을 찾은 후 이를 바탕으로 세분화된 품목으로 분석을 진행 연관규칙의 발견 연관규칙의 표현 음의 상관규칙 B와 C이면 A이다 의 신뢰도가 33%이고 향상도는 1보다 작은 경우 B와 C이면 A가 아니다 라는 연관규칙은 신뢰도가 67%가 되고 따라서 향상도는 1보다 커짐 박창이 (서울시립대학교 통계학과) 9장. 연관규칙분석과 협업필터링 21 / 28
22 고려사항 II 시차연관성분석웹로그 (web log) 로부터동일한고객의구매패턴이나웹페이지방문패턴을알수있는경우현실적문제의해결품목의수가증가하면계산량은기하급수적으로증가최소지지도가지치기 (minimum support pruning), 품목수가일정수를넘는규칙제외등 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 22 / 28
23 협업필터링 (Collaborative filtering) I 개인의선호도와과거상품구매이력을분석하여개인에게최적인상품을추천 기호 고객중심 예 : 로맨스영화를좋아하는고객에게로맨스장르의다른영화추천 상품중심 예 : 로맨스영화를좋아하는고객에게특정자동차를추천 n 명의고객과 p 개의상품을가정 r ij : i 번째고객의 j 번째상품에대한선호도 O = {(i, j) : r ij 가관측 } 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 23 / 28
24 협업필터링 (Collaborative filtering) II 고객중심 s(i, i ): 고객 i 와 i 의선도호도에대한유사성의측도 가령, cos(i, i ) = corr(i, i ) = j O ii r ijr i j r 2 j Oii ij j O r 2 ii i j j O (r ii ij r i )(r i j r i ) (r j Oii ij r i ) 2 (r j Oii i j r i ) 2 N(i): 고객 i 와유사한고객들의집합 N j (i): N(i) 에속하는고객중상품 j 에대한선호도정보가있는 고객들의집합 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 24 / 28
25 협업필터링 (Collaborative filtering) III 선호도에대한추정치 품목중심 ˆr ij = 1 N j (i) i N j (i) r i j 또는 ˆr ij = N(j): 상품 j 와유사한상품들의집합 i N j (i) s(i, i )r i j i N j (i) s(i, i ) N i (j): N(j) 에속하는상품중고객 i 에대한선호도정보가있는 상품들의집합 선호도에대한추정치 ˆr ij = 1 N i (j) j N j (i) r ij 또는 ˆr ij = j N i (j) s(j, j )r ij j N i (j) s(j, j ) 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 25 / 28
26 협업필터링 (Collaborative filtering) IV 영화타이타닉에대한 Eric 의선호도추정 고객중심 Matrix Titanic Die Hard Forrest Gump Wall-E John Lucy Eric Diane Eric 과 Lucy, Eric 과 Diane 의유사성의측도 : 0.75, 0.15 ˆr = = 4.67 상품중심 Titanic 과유사한영화 Forrest Gump 와 Wall-E 에대한유사성의측도 : 0.85, 0.75 ˆr = = 4.53 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 26 / 28
27 협업필터링 (Collaborative filtering) V 고객중심과상품중심의비교예측의정확도 : n > (<)p인경우상품 ( 고객 ) 기반이우수함계산의효율성 : n > (<)p인경우상품 ( 고객 ) 기반이효율적안정성 : 고객 ( 상품 ) 이상품 ( 고객 ) 보다빨리변하는경우상품 ( 고객 ) 기반이안정적. 가령온라인쇼핑의경우고객이상품보다빨리변함해석력 : 상품기반이고객에게설명하기쉬움. 고객기반은잘모르는유사한고객에대해서얘기해야함새로움 : 상품기반추천은상품군을뛰어넘지못하는반면고객기반추천은로맨스영화를좋아하는사람에게특정자동차를추천할수도있음 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 27 / 28
28 협업필터링 (Collaborative filtering) VI 소수의관측된선호도를이용하여대부분관측되지않은선호도를 추정함 소개한협업필터링방법은최근방에대한것으로관측된선호도의갯수가매우작으면예측력이매우떨어지며, 대신행렬분해에의한 matrix completion 을흔히사용함 R = AB R: n p 선호도행렬, A: n r 행렬, B: r p 행렬 r: 데이터의잠재적차원 (i,j) O (r ij = r k=1 a ikb kj ) 2 을최소화하는 Â, ˆB 를구함 ˆR = Â ˆB 로추정 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 28 / 28
9장. 연관규칙분석과 협업필터링
9 장. 연관규칙분석과협업필터링 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 1 / 29 학습내용 연관규칙분석연관규칙측도절차고려사항협업필터링 박창이 ( 서울시립대학교통계학과 ) 9 장. 연관규칙분석과협업필터링 2 / 29 연관규칙분석 I 데이터에존재하는항목 (item) 들간의 if-then 형식의연관규칙을찾는방법기업의데이터베이스에서상품의구매,
More information세계 비지니스 정보
1.... 1 2. /2005... 3 3.... 6 4.... 8 5. /... 9 6....12 7. /...17 8....23 9. /...26 10....28 11....29 12....30 13. /...31 14....32 15....33 16. /...35 17....39 - i 18....43 19....46 20....51 21....53 22....56
More informationi
저작자표시 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 이차적저작물을작성할수있습니다. 이저작물을영리목적으로이용할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 귀하는, 이저작물의재이용이나배포의경우, 이저작물에적용된이용허락조건을명확하게나타내어야합니다.
More information단순 베이즈 분류기
단순베이즈분류기 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 단순베이즈분류기 1 / 14 학습내용 단순베이즈분류 구현 예제 박창이 ( 서울시립대학교통계학과 ) 단순베이즈분류기 2 / 14 단순베이즈분류 I 입력변수의값이 x = (x 1,..., x p ) 로주어졌을때 Y = k일사후확률 P(Y = k X 1 = x 1,..., X p =
More information2 0 1 1 4 2011 1 2 Part I. 1-1 1-2 1-3 1-4 1-5 1-6 1-7 1-8 Part II. 2-1 2-2 2-3 2-4 2-5 2-6 2-7 2-8 2-9 2-10 2-11 2-12 2-13 2-14 2-15 2-16 2-17 2-18 2-19 2-20 2-21 2-22 2-23 2-24 2-25 2-26 2-27 2-28
More information[96_RE11]LMOs(......).HWP
- i - - ii - - iii - - iv - - v - - vi - - vii - 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
More information2 ㆍ 大 韓 政 治 學 會 報 ( 第 20輯 1 號 ) 도에서는 고려 말에 주자학을 받아들인 사대부들을 중심으로 보급되기 시작하였고, 이후 조선시대에 들어와서는 국가적인 정책을 통해 민간에까지 보급되면서 주자 성리학의 심 화에 커다란 역할을 담당하였다. 1) 조선시대
대한정치학회보 20집 1호 2012년 6월: 77~99 세종과 소학( 小 學 ) : 민풍( 民 風 ) 과 사풍( 士 風 ) 의 교화* 1) 박홍규 ㆍ송재혁 고려대학교 요 약 2 기존 소학 에 대한 연구들은 주로 중종( 中 宗 ) 시대 사림( 士 林 ) 과의 연관선상에서 소학 의 의미를 모색하고 있다. 그러나 소학 에 대한 존숭 의식은 이미 조선 전기 관학파들도
More informationchap6_basic_association_analysis PART1 ver2
Data Mining Association Analysis: Basic Concepts and Algorithms Lecture Notes for Chapter 6 Contents Association Rule Mining 2 Association Rule Mining Given a set of transactions, find rules that will
More information<BCF6BFE4B0ADB4DC322E687770>
다니엘 1 (1-4 장) 2015년 4월 15일 다니엘 전체 이해 1. 다니엘의 배경과 상황 a. 다니엘은 히브리어 이름으로 하나님은 나의 심판자이시라 는 뜻 b. 다니엘은 왕족으로 어린 나이에 바벨론의 포로로 끌려가서 그곳에서 왕실의 최고 교육을 받음 i. 16 ii. 1:4, iii. c. 하나님이 다니엘에게 꿈과 환상을 해석하는 특별한 은사를 주심 i.
More information자율학습
자율학습 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 자율학습 1 / 31 학습내용 주성분분석 (principal component analysis) 군집분석 (clustering) K-평균군집 (K-means clustering) 계층적군집 (hierarchical clustering) 박창이 ( 서울시립대학교통계학과 ) 자율학습 2 /
More informationPowerPoint Presentation
데이터전처리 Data Preprocessing 09 연관분석 (Association Analysis) 목차 1. 연관규칙 2. 빈발항목집합생성 3. 연관규칙생성 4. 빈발항목집합표현 5. 연관패턴평가 데이터전처리 (Data Preprocessing) - 09 연관분석 (Association Analysis) 3 1. 연관규칙 연관규칙마이닝 트랜잭션집합이주어지면,
More information2004math2(c).PDF
3 2004 1,,,, 2 1 1. LCD ( )? () ( ) 2. 100 () () 3. < > (1) (2) (3) ( ) < > < >(1)(3) < > (), (3)< >()? ()... () A. B. C. (3), A, B, A, B, C 4. (), () < >? < >? [2]..,.,,,,,...,,,,, 2 5. < > (1), (2) (3)
More information확률 및 분포
확률및분포 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 확률및분포 1 / 15 학습내용 조건부확률막대그래프히스토그램선그래프산점도참고 박창이 ( 서울시립대학교통계학과 ) 확률및분포 2 / 15 조건부확률 I 첫째가딸일때두아이모두딸일확률 (1/2) 과둘중의하나가딸일때둘다딸일확률 (1/3) 에대한모의실험 >>> from collections import
More information31
전면광고 제31호 2013년 2월 28일 목요일 미래가치를 추구하는 신문 07 www.1stn.kr 전면광고 제31호 2013년 2월 28일 목요일 미래가치를 추구하는 신문 13 www.1stn.kr 18 미래가치를 추구하는 신문 전면광고 제31호 2013년 2월 28일 목요일 22 미래가치를 추구하는 신문 전면광고 제31호 2013년
More information이슈분석 2000 Vol.1
i ii iii iv 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66
More information가볍게읽는-내지-1-2
I 01. 10 11 12 02. 13 14 15 03. 16 17 18 04. 19 20 21 05. 22 23 24 06. 25 26 27 07. 28 29 08. 30 31 09. 32 33 10. 34 35 36 11. 37 12. 38 13. 39 14. 40 15. 41 16. 42 43 17. 44 45 18. 46 19. 47 48 20. 49
More information한눈에-아세안 내지-1
I 12 I 13 14 I 15 16 I 17 18 II 20 II 21 22 II 23 24 II 25 26 II 27 28 II 29 30 II 31 32 II 33 34 II 35 36 III 38 III 39 40 III 41 42 III 43 44 III 45 46 III 47 48 III 49 50 IV 52 IV 53 54 IV 55 56 IV
More informationkbs_thesis.hwp
- I - - II - - III - - IV - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - - 20 - - 21 - - 22 - - 23 - - 24 - - 25 - - 26 -
More informationchap6_basic_association_analysis PART2 ver2
Data Mining Association Analysis: Basic Concepts and Algorithms Lecture Notes for Chapter 6 1 Contents Rule Generation 2 Rule Generation from frequent itemset Given a frequent itemset L, find all non-empty
More information*통신1802_01-도비라및목차1~11
ISSN 25-2693 218. 2 218. 2 214 215 216 217 2.6 2.9 1.5 1.8 1.2 3.1 3.2 1.3 2.1 1.8 2.6 2.5 2.8 2.4.4 1.4.9 1.4 1.5 2.9 2.5 7.3 6.9 6.7 6.8 6.9 6.9 6.8 2.8 14 2.6 13 2.4 12 2.2 2. 11 1.8 1.6 1.4
More information(Hyunoo Shim) 1 / 24 (Discrete-time Markov Chain) * 그림 이산시간이다연쇄 (chain) 이다왜 Markov? (See below) ➀ 이산시간연쇄 (Discrete-time chain): : Y Y 의상태공간 = {0, 1, 2,..., n} Y n Y 의 n 시점상태 {Y n = j} Y 가 n 시점에상태 j 에있는사건
More informationTree 기반의 방법
Tree 기반의방법 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) Tree 기반의방법 1 / 25 학습내용 의사결정나무 (decision tree) 회귀나무 (regresion tree) 분류나무 (classification tree) 비교앙상블알고리즘 (ensemble algorithm) 배깅 (bagging) 랜덤포레스트 (random
More information1
절대수학 검은 대장간 인문 Blacksmith Day 1 최석호 1. 그림과 같이 A B C D E의 다섯 개의 영역에 빨강, 노랑, 파 랑, 초록의 네 가지 색으로 색칠을 하려고 한다. 네 가지 색 중 한 색 은 두 번 사용하고 나머지 세 가지 색은 한 번씩만 사용하여 칠하는 데, 인접한 영역에는 서로 다른 색을 칠하기로 할 때, 색칠하는 방법 의 수를 구하시오.
More information2004math2(a).PDF
3 2004 1..,,,..,. 2. 1.. 1.. LCD ( )? () ( ) 2. 100. () () 3... < > (1). (2). (3) ( ) < > < >(1)(3). < > (), (3)< >()? ()... () A.. B.. C.. (3), A, B, A, B, C 4. (), (). < >? < >? [2] ..,.,,,,,
More information경제통상 내지.PS
CONTENTS I 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 II 38 39 40 41 42 43 III 46 47 48 49 50 51 52 53 54 55 56 57 58 59 IV 62 63 64 65 66 67 68 69 V
More information°æÁ¦Åë»ó³»Áö.PDF
CONTENTS I 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 II 38 39 40 41 42 43 III 46 47 48 49 50 51 52 53 54 55 56 57 58 59 IV 62 63 64 65 66 67 68 69 V
More information우루과이 내지-1
U R U G U A Y U r u g u a y 1. 2 Part I Part II Part III Part IV Part V Part VI Part VII Part VIII 3 U r u g u a y 2. 4 Part I Part II Part III Part IV Part V Part VI Part VII Part VIII 5 U r u g u a
More information세계 비지니스 정보
- i - ii - iii - iv - v - vi - vii - viii - ix - 1 - 2 - 3 - - - - - - - - - - 4 - - - - - - 5 - - - - - - - - - - - 6 - - - - - - - - - 7 - - - - 8 - 9 - 10 - - - - - - - - - - - - 11 - - - 12 - 13 -
More information5장 SQL 언어 Part II
5 장 SQL 언어 Part II 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 5 장 SQL 언어 Part II 1 / 26 데이터조작문 데이터검색 : SELECT 문데이터추가 : INSERT 문데이터수정 : UPDATE 문데이터삭제 : DELETE 문 박창이 ( 서울시립대학교통계학과 ) 5 장 SQL 언어 Part II 2 / 26 SELECT
More informatione-spider_제품표준제안서_160516
The start of something new ECMA Based Scraping Engine CONTENTS 3 4 1 2 3 4 5 6 7 8 9 5 6 ECMA Based Scraping Engine 7 No.1 No.2 No.3 No.4 No.5 8 24 ( ) 9 ios Device (all architecture) Android Device (all
More information협업 필터링이란 대규모의 기존 사용자 행동 정보를 분석하여 해당 사용자와 비슷한 성향의 사용자들이 기존에 좋아했던 항목을 추천하는 기술이다. 가장 일반적인 예는 온라인 쇼핑 사이 트에서 흔히 볼 수 있는 이 상품을 구매한 사용자가 구매한 상품들 서비스이다. 예를 들어
우리는 원하는 정보를 보고 있을까? 콘텐츠 추천 알고리즘의 진화 최근 세상을 깜짝 놀라게 한 알파고(AlphaGo)가 내가 좋아할 만한 영화나 드라마를 추천해준다면? 넷플릭스의 성공 신화는 콘텐츠 추천 서비스에서 비롯되었다. 이용자의 성향과 관심사를 분석하고 콘텐츠 이용 행태를 세밀히 관찰하여 개인 맞춤형 콘텐츠를 제공하는 것은 이제 콘텐츠 사업자에게 선택이
More informationMicrosoft PowerPoint - 26.pptx
이산수학 () 관계와그특성 (Relations and Its Properties) 2011년봄학기 강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계
More information표본재추출(resampling) 방법
표본재추출 (resampling) 방법 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 표본재추출 (resampling) 방법 1 / 18 학습내용 개요 CV(crss-validatin) 검증오차 LOOCV(leave-ne-ut crss-validatin) k-fld CV 편의-분산의관계분류문제에서의 CV Btstrap 박창이 ( 서울시립대학교통계학과
More informationResampling Methods
Resampling Methds 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) Resampling Methds 1 / 18 학습내용 개요 CV(crss-validatin) 검증오차 LOOCV(leave-ne-ut crss-validatin) k-fld CV 편의-분산의관계분류문제에서의 CV Btstrap 박창이 ( 서울시립대학교통계학과 )
More information1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut
경영학을 위한 수학 Fial Eam 5//(토) :-5: 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오.. (각 6점) 다음 적분을 구하시오 4 ( ) (a) ( )4 8 8 (b) d이 성립한다. d C C log log (c) 이다. 양변에 적분을 취하면 log C (d) 라 하자. 그러면 d 4이다. 9 9 4 / si (e) cos si
More informationPowerPoint 프레젠테이션
2017 년가을학기 손시운 (ssw5176@kangwon.ac.kr) 지도교수 : 문양세교수님 Basic of Association Rules Association Rule 다른데이터로부터어떤데이터의발생을예측하는규칙 데이터간의연관성및상관관계를표현하는규칙 A B (A와 B는각각데이터의부분집합 ) A 를 lhs (left-hand side), B 를 rhs (right-hand
More informationi ii iii iv v vi vii viii 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 XXXXXXXX 22 24 25 26 27 28 29 30 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61
More information(2) 다중상태모형 (Hyunoo Shim) 1 / 2 (Coninuous-ime Markov Model) ➀ 전이가일어나는시점이산시간 : = 1, 2,, 4,... [ 연속시간 : 아무때나, T 1, T 2... * 그림 (2) 다중상태모형 ➁ 계산과정 이산시간 : 전이력 (force of ransiion) 정의안됨 전이확률 (ransiion probabiliy)
More information- i - - ii - - i - - ii - - i - - ii - - iii - - iv - - v - - vi - - vii - - viii - - ix - - x - - xi - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 -
More informationCONTENTS.HWP
i ii iii iv v vi vii viii ix x xi - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - - 20 - - 21 - - 22 - - 23 - - 24 - - 25 -
More informationINDUS-8.HWP
i iii iv v vi vii viii ix x xi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
More information낙랑군
낙랑군( 樂 浪 郡 ) 조선현( 朝 鮮 縣 )의 위치 -낙랑군 조선현의 평양설 및 대동강설 비판- 이덕일 (한가람역사문화연구소 소장) 1. 머리말 낙랑군의 위치는 오랜 쟁점이었고, 현재까지도 한 중 일 사이의 역사현안이기도 하다. 낙랑군 의 위치에 따라서 동북아 고대사의 강역이 달라지기 때문이다. 낙랑군의 위치 중에서도 가장 중요한 것은 낙랑군의 치소( 治
More information모듈 9
[1 차시 ] e-crm 과데이터마이닝의개요 1. CRM 과 e-crm 1) CRM의개념 CRM(Customer Relationship Management) 은고객에대한정확한이해를바탕으로고객이원하는제품과서비스를지속적으로공급함으로써고객을오래유지하여결과적으로고객의평생가치를극대화하고수익성을높이는통합된고객관리프로세스를말한다. 시장점유율보다는고객점유율을, 고객획득보다는고객유지를,
More informationPowerPoint 프레젠테이션
미디어소비 : 추천 Personalized Media Lab. / 미디어기술원 2018.07.12 YouTube: 2005 1 YouTube: 현재 (2017 2018) 2 무엇을볼것인가? 무엇을보여줄것인가? 무엇을볼것인가? 검색 1 2 무엇을보여줄것인가? 제안 3 추천의적용영역 미디어라이프사이클 시청전 시청중 후 무엇을볼것인가? 감상을돕는정보는? 컨텐츠의연관서비스는?
More information<C0CEC5CDB3DDC1DFB5B6BDC7C5C2C1B6BBE75FC0CEBCE2C5EBC7D5BABB5F303530372E687770>
조사보고 08-03 2008 인터넷중독 실태조사 연 구 기 관 한국정보문화진흥원 연 구 책 임 자 박효수 (정보화역기능대응단장) 공 동 연 구 원 고영삼 (미디어중독대응팀장) 김정미 (미디어중독대응팀 선임연구원) 자 문 위 원 나은영 (서강대학교 신문방송학과 교수) 배은주 (동명중학교 교사) 이수진 (국민대학교 교육학과 교수) 정 훈 (서울애화학교 교사) i
More information기술통계
기술통계 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 기술통계 1 / 17 친구수에대한히스토그램 I from matplotlib import pyplot as plt from collections import Counter num_friends = [100,49,41,40,25,21,21,19,19,18,18,16, 15,15,15,15,14,14,13,13,13,13,12,
More informationCONTENTS C U B A I C U B A 8 Part I Part II Part III Part IV Part V Part VI Part VII Part VIII Part IX 9 C U B A 10 Part I Part II Part III Part IV Part V Part VI Part VII Part VIII Part IX 11 C U B
More information00-1표지
summary _I II_ summary _III 1 1 2 2 5 5 5 8 10 12 13 14 18 24 28 29 29 33 41 45 45 45 45 47 IV_ contents 48 48 48 49 50 51 52 55 60 60 61 62 63 63 64 64 65 65 65 69 69 69 74 76 76 77 78 _V 78 79 79 81
More information실사구시학파의 실증적 학풍이 일어나므로 서구적인 과학사상의 유입을 본 것 등이 인식 의 대상이 될 것이다. 그러나 이조 봉건사회 최종의 절대적 왕권주의자 대원군에 의하여 그 싹은 잘리고 말았다. 따라서 다단한 전기가 될 근대적 개방에 의하여 재건하려던 서구적 교육 즉
朝 鮮 科 學 史 JB409.11-1 洪 以 燮 (홍이섭) 著 - 東 京 : 三 省 堂 出 版 ( 株 ) 1944년( 昭 和 19) [서론] 一. 과학사의 방법 인류의 행복의 증진은 과학과 자연과의 투쟁에 관련된다. 국가의 국방적 건설과 국토 계획 이야말로 국민생활의 최고의 지표인데 그 기초적 문제는 과학에 있다. 그러므로 현대 인류생 활의 기술적 문제로서의
More informationuntitled
기술 자습서 Part IV 02 p. 35 01 p. 16 01 02 03 04 05 06 07 08 01 02 03 04 05 06 07 01 01 02 03 05 06 07 02 03 04 06 08 110 V 01 p. 56 01 02 03 04 05 06 01 02 03 04 06 02 p. 67 01 02 03 04 05 06 07 01 02 03
More information응답하라, 2015 - 메가스터디 재수를 말한다. Ⅰ. 재수 大 해부 예전에 재수생이라고 하면 성적이 좋지 않아 대학입시에 실패한 학생 이라는 인식이 지배 적이었다. 하지만 최근에는 재수를 목표를 향한 재도전 이라고 긍정적으로 평가하는 경 향이 뚜렷해졌다. 때문에 대학
응답하라, 2015 - 메가스터디 재수를 말한다. Ⅰ. 재수 大 해부 Ⅱ. 2015 대입, 축복의 시기가 될 것이다. Ⅲ. 재수, 결심만으로도 이미 성공은 시작된 것이다. 응답하라, 2015 - 메가스터디 재수를 말한다. Ⅰ. 재수 大 해부 예전에 재수생이라고 하면 성적이 좋지 않아 대학입시에 실패한 학생 이라는 인식이 지배 적이었다. 하지만 최근에는 재수를
More information자연언어처리
제 7 장파싱 파싱의개요 파싱 (Parsing) 입력문장의구조를분석하는과정 문법 (grammar) 언어에서허용되는문장의구조를정의하는체계 파싱기법 (parsing techniques) 문장의구조를문법에따라분석하는과정 차트파싱 (Chart Parsing) 2 문장의구조와트리 문장 : John ate the apple. Tree Representation List
More information비선형으로의 확장
비선형으로의확장 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 비선형으로의확장 1 / 30 개요 선형모형은해석과추론에장점이있는반면예측력은제한됨능형회귀, lasso, PCR 등의방법은선형모형을이용하는방법으로모형의복잡도를감소시켜추정치의분산을줄이는효과가있음해석력을유지하면서비선형으로확장다항회귀 (polynomial regression): ( 예 )
More information정치사적
2014-2 역사학의 이론과 실제 수업 지도 교수: 조범환 담당 교수: 박 단 신라 중대 말 갈항사와 진골 귀족 20100463 김경진 I. 머리말 II. 승전과 갈항사 창건 III. 갈항사와 원성왕 외가 IV. 원성왕 외가와 경덕왕 V. 맺음말 목 차 I. 머리말 葛 項 寺 는 신라 고승 勝 詮 이 700년 전후에 경상북도 김천시 남면 오봉리에 건립한 사찰이
More information통계적 학습(statistical learning)
통계적학습 (statistical learning) 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 통계적학습 (statistical learning) 1 / 33 학습내용 통계적학습목적 : 예측과추론방법 : 모수적방법과비모수적방법정확도와해석력지도학습과자율학습회귀와분류모형의정확도에대한평가적합도편의-분산의관계분류문제 박창이 ( 서울시립대학교통계학과
More information2010 6 - iii - - i - - ii - - iii - - iv - - v - - vi - - vii - - viii - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - - 20
More informationMicrosoft PowerPoint Relations.pptx
이산수학 () 관계와그특성 (Relations and Its Properties) 2010년봄학기강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계
More information퍼스트신문30호(수정)
전면광고 제30호 2013년 1월 30일 수요일 미래가치를 추구하는 신문 07 www.1stn.kr 전면광고 제30호 2013년 1월 30일 수요일 미래가치를 추구하는 신문 13 www.1stn.kr 18 미래가치를 추구하는 신문 전면광고 제30호 2013년 1월 30일 수요일 24 미래가치를 추구하는 신문 전면광고 제30호 2013년
More information표1
i ii Korean System of National Accounts iii iv Korean System of National Accounts v vi Korean System of National Accounts vii viii Korean System of National Accounts 3 4 KOREAN SYSTEM OF NATIONAL ACCOUNTS
More information생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포
생존분석의 추정과 비교 : 보충자료 이용희 December, 8 Cotets 생존함수와 위험함수. 생존함수와 위험함수....................................... 예제: 지수분포.......................................... 예제: 와이블분포.........................................
More information데이터 시각화
데이터시각화 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 데이터시각화 1 / 22 학습내용 matplotlib 막대그래프히스토그램선그래프산점도참고 박창이 ( 서울시립대학교통계학과 ) 데이터시각화 2 / 22 matplotlib I 간단한막대그래프, 선그래프, 산점도등을그릴때유용 http://matplotlib.org 에서설치방법참고윈도우의경우명령프롬프트를관리자권한으로실행한후아래의코드실행
More information1 1 x + # 0 x - 6 x 0 # x # 2r sin2x- sin x = 4cos x r 3 r 2r 5 r 3r
# 0 0 # # si si cos # 0 # 0 ^ h ^h^h# 0 ^! 0, h ^h^h# 0 ^! 0, h si si cos sicos si cos si ^cos h ^cos h si ^cosh^cos h 0 ^sih^cos h 0 0 # # cos cos, ^ si! h,, ` 0 # 혼자하는수능수학 0 년대비 9 월 A B, y f^h f^h, 0
More information확률과통계.indd
(Pascal, B. ; 16~166) (de Me're' C. ; 1607~168) 80 01 8 % 1 0 0 0 60 70 1 100 100 61 7 68 7 88 1 100 1... A B A;B 81 A n(a;b) 1111 A n(a) A A;B n(a;b) 61 B 11111 = 1 n(a) 88 SAB 0 A B A B P(B A) S A B
More informationC스토어 사용자 매뉴얼
쪽지 APP 디자인적용가이드 I. 쪽지 APP 소개 2 I. 쪽지 APP 소개 쪽지 APP 을통해쇼핑몰의특정회원또는특정등급의회원그룹에게 알림메시지나마케팅을위한쪽지를발송하실수있습니다. 쪽지 APP의주요기능 1. 전체회원, 특정ID, 특정회원그룹별로쪽지발송가능 2. 발송예약기능 3. 발송한쪽지에대해수신및열람내역조회가능 4. 쇼핑몰페이지에서쪽지함과쪽지알림창제공 3
More informationPowerPoint 프레젠테이션
E-business 개론 5 주차 e-business Statistics Spring 2014 E-business statistics Korea US China Japan Reality check EC trend- Korea [ 통계청 ] 2013 년연간및 4 분기전자상거래및사이버쇼핑동향보도자료 EC transaction - Korea 거래주체별 2002 2003
More informationSteven F. Ashby Center for Applied Scientific Computing Month DD, 1997
Data Mining Association Analysis: Basic Concepts and Algorithms Lecture Notes for Chapter 7 1 Contents 범주형 / 연속형속성처리 2 10 범주형 / 연속형속성 지금까지 asymmetric binary variables 에대한연관분석을공부함 이제 categorical / continuous
More informationContents iii
ISSN 1599-984X Contents iii Contents iv v Contents vi vii Contents viii ix Contents x xi 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 45 46 47 48 49 50 51 52 53 54
More information기본서(상)해답Ⅰ(001~016)-OK
1 1 01 01 (1) () 5 () _5 (4) _5_7 1 05 (5) { } 1 1 { } (6) _5 0 (1), 4 () 10, () 6, 5 0 (1) 18, 9, 6, 18 1,,, 6, 9, 18 01 () 1,,, 4, 4 1,,, 4, 6, 8, 1, 4 04 (1) () () (4) 1 (5) 05 (1) () () (4) 1 1 1 1
More information영암군 관광종합개발계획 제6장 관광(단)지 개발계획 제7장 관광브랜드 강화사업 1. 월출산 기( 氣 )체험촌 조성사업 167 (바둑테마파크 기본 계획 변경) 2. 성기동 관광지 명소화 사업 201 3. 마한문화공원 명소화 사업 219 4. 기찬랜드 명소화 사업 240
목 차 제1장 과업의 개요 1. 과업의 배경 및 목적 3 2. 과업의 성격 5 3. 과업의 범위 6 4. 과업수행체계 7 제2장 지역현황분석 1. 지역 일반현황 분석 11 2. 관광환경 분석 25 3. 이미지조사 분석 45 4. 이해관계자 의견조사 분석 54 제3장 사업환경분석 1. 국내 외 관광여건분석 69 2. 관련계획 및 법규 검토 78 3. 국내 외
More informationisrael-내지-1-4
israel-내지-1-4 1904.1.1 12:49 AM 페이지1 mac2 2015. 11 Contents S T A T E O F I S R A E L 8 Part I Part II Part III Part IV Part V Part VI Part VII Part VIII 9 S T A T E O F I S R A E L 10 Part I Part
More informationSQL
데이터베이스및 SQL 언어의기초 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 데이터베이스및 SQL 언어의기초 1 / 36 Part I 데이터베이스 박창이 ( 서울시립대학교통계학과 ) 데이터베이스및 SQL 언어의기초 2 / 36 데이터의구성및표현 개체 (entity): DB가표현하려는유형 / 무형적정보의대상속성 (attribute): 개체가갖는특성도메인
More information<C3D6C0E7C3B528BAB8B5B5C0DAB7E1292D322E687770>
도서출판 폴리테이아 보도자료 정치가 최재천의 책 칼럼! 우리가 읽고 싶고 읽어야만 할 책, 153권에 대한 소개서이자 안내서! 최재천 지음 436쪽 15,000원 2011년 8월 출간 서울 마포구 합정동 417-3 (1층) / 편집 02-739-9929~30 / 영업 02-722-9960 / 팩스 02-733-9910 1 문자 공화국 을 살아간다. 말이 문자가
More information제 출 문 한국산업안전공단 이사장 귀하 본 보고서를 2002 년도 공단 연구사업계획에 따라 수행한 산 업안전보건연구수요조사- 산업안전보건연구의 우선순위설정 과제의 최종보고서로 제출합니다. 2003년 5월 연구기관 : 산업안전보건연구원 안전경영정책연구실 정책조사연구팀 연
산업안전보건분야 연구수요조사분석 2003. 5 한국산업안전공단 산업안전보건연구원 제 출 문 한국산업안전공단 이사장 귀하 본 보고서를 2002 년도 공단 연구사업계획에 따라 수행한 산 업안전보건연구수요조사- 산업안전보건연구의 우선순위설정 과제의 최종보고서로 제출합니다. 2003년 5월 연구기관 : 산업안전보건연구원 안전경영정책연구실 정책조사연구팀 연구책임자 :
More informationC O N T E N T S 목 차 요약 / 1 Ⅰ. 유럽온라인유통시장현황및진출확대방안 3 1. 유럽개관 Ⅱ. 동유럽국가별온라인유통시장현황및진출확대방안 폴란드 2. 헝가리 3. 체코 4. 오스트리아 5. 크로아티아 6.
G lobal M arket Report 13-041 2013.05.10 유럽온라인유통시장현황및진출방안 - 동유럽 북유럽편 - C O N T E N T S 목 차 요약 / 1 Ⅰ. 유럽온라인유통시장현황및진출확대방안 3 1. 유럽개관 Ⅱ. 동유럽국가별온라인유통시장현황및진출확대방안 12 37 67 91 111 119 137 1. 폴란드 2. 헝가리 3. 체코 4.
More informationÃÖ»óÀ§5³ª-Á¤´ä(01~23)
2.4 3 5.26 8.225m 4523.3 8 0 36.63 3.26 46.7 4670-46.7=4523.3. _ 0. 3 422222 (_3) (_3) (_3) 422222. 4 5 _3 5 =5 _3 4 = _3+ _3+5=, _3=6 =2 ++=2++5=8 2.5 4 =2.5_4-7_.2=0-8.4=.6, 7.2 0.3 7.3 =0.3_7.3-.5_0.5.5
More informationDoosan News DOOSAN 4
Doosan News DOOSAN 4 5 DOOSAN Doosan News DOOSAN 6 7 DOOSAN Photo News Contents May Cover Story Special Theme DOOSAN 8 9DOOSAN 1 2 3 4 1 2 3 4 DOOSAN 10 11 DOOSAN Doosan Report 12 13 DOOSAN With CEO ❹
More information목차 Ⅰ. 과업의 개요 1. 과업의 배경 및 목적 2. 과업의 범위 및 내용 05 Ⅱ. 조사 및 분석 1. 현황조사 및 분석 2. 국외 우수사례 분석 3. 시사점 도출 11 Ⅲ. 간판설치계획 작성을 위한 가이드라인 1. 총칙 2. 가이드라인 적용방법 3. 간판설치 기본방향 및 원칙 4. 건축유형별 간판설치 가이드라인 31 Ⅳ. 가이드라인 실행 및 연계방안 1.
More information3장 함수
3 장함수 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 3 장함수 1 / 20 학습내용 함수호출타입변환함수수학함수사용자정의함수파라미터와인자변수와파라미터의범위함수의구분함수를사용하는이유 from을이용한가져오기디버깅변수의범위재귀함수 박창이 ( 서울시립대학교통계학과 ) 3 장함수 2 / 20 함수호출 함수는어떤연산을수행하는일련의명령문들로함수이름으로호출
More information저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
More informationSB-600 ( ) Kr SB-600 1
SB-600 () Kr SB-600 1 " " "! $ ' " " $ % & 2 ' ( # # # # " & " # # "! 3 " " # ' # $ # " " " " " 4 " " " " ( # " " " " 5 # $ " " # " " " ( # " 6 " # $ " " # " " " ( # ' " " 7 8 9 k k k k k k k k k 10 k
More information*통신1604_01-도비라및목차1~12
ISSN 25-2693 216. 4 216. 4 213 214 215 1.5 2.4 2.4.6 3.9 2. 1.4 -.3.9 1.6 2.3 1.6 1.2 1.3 1.4..5 4.6-1.4 1.4-1.1 7.7 7.3 6.9 7. 7. 6.9 6.8 14 13 12 11 1 9 8 7 5 4 3 2 1 i 4 4 3 3 2. 1.5 1. 2.
More information2015년도 고용노동부 소관 예 산 안 기 금 운 용 계 획 안 검 토 보 고 서 예 산 안 일 반 회 계 농 어 촌 구 조 개 선 특 별 회 계 에너지및자원 사업특별회계 지 역 발 전 특 별 회 계 기 금 운 용 계 획 안 고 용 보 험 기 금 산업재해보상보험및예방기금 임 금 채 권 보 장 기 금 장애인고용촉진및직업재활기금 근 로 복 지 진 흥 기 금 2014.
More information2007KIP연2-05 연구용역보고서 중소기업 및 지방기업에 대한 정부조달 지원정책의 비용-편익(BC)분석 연구 2008. 1 제 출 문 조달청장 귀하 본 보고서를 중소기업 및 지방기업의 정부조달 지원정책의 비용-편익 (BC) 분석연구 의 최종보고서로 제출합니다. 2008. 1 한 국 조 달 연 구 원 원 장 신 삼 철 연구책임자 김정포 부연구위원 연구참여진
More information목 차 Ⅰ. 조사개요 1 Ⅱ. 용어해설 13 Ⅲ. 조사결과 17 1. 과학기술인력 양성 및 활용에 관한 거시통계 분석 결과 9 1 가. 과학기술인의 양성 현황 19 나. 과학기술인의 취업 현황 24 다. 과학기술인의 경제활동 현황 27 라. 과학기술인의 고용 현황 28
목 차 Ⅰ. 조사개요 1 Ⅱ. 용어해설 13 Ⅲ. 조사결과 17 1. 과학기술인력 양성 및 활용에 관한 거시통계 분석 결과 9 1 가. 과학기술인의 양성 현황 19 나. 과학기술인의 취업 현황 24 다. 과학기술인의 경제활동 현황 27 라. 과학기술인의 고용 현황 28 2. 과학기술인력 활용 실태조사 분석 결과 23 가. 과학기술인의 고용 및 채용 현황 3
More informationÀ̶õ°³È²³»Áö.PDF
Islamic Republic of Iran I I S L A M I C R E P U B L I C O F I R A N 10 Part I 11 I S L A M I C R E P U B L I C O F I R A N 12 Part I 13 I S L A M I C R E P U B L I C O F I R A N 14 II I S L A M I C R
More information<C6EDC1FD2D B3E22038BFF920BFC2B6F3C0CEBCEEC7CE20B5BFC7E22E687770>
온라인쇼핑동향조사 보도일시 2018. 10. 04.( 목 ) 12:00 보도자료 배포일시 2018. 10. 04.( 목 ) 09:00 담당부서 경제통계국서비스업동향과 담당자 과장 : 민경삼 (042-481-2585) 사무관 : 김태근 (042-481-2195) 2018 년 8 월 온라인쇼핑동향 통계청이작성한 2018년 8월온라인쇼핑동향 은 ' 공공누리 ' 출처표시-
More information고차원에서의 유의성 검정
고차원에서의유의성검정 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 고차원에서의유의성검정 1 / 15 학습내용 FDR(false discovery rate) SAM(significance analysis of microarray) FDR 에대한베이지안해석 박창이 ( 서울시립대학교통계학과 ) 고차원에서의유의성검정 2 / 15 서론 I 고차원데이터에서변수들에대한유의성검정
More information3.2 함수의정의 Theorem 6 함수 f : X Y 와 Y W 인집합 W 에대하여 f : X W 는함수이다. Proof. f : X Y 가함수이므로 f X Y 이고, Y W 이므로 f X W 이므로 F0이만족된다. 함수의정의 F1, F2은 f : X Y 가함수이므로
3.2 함수의정의 Theorem 6 함수 f : X Y 와 Y W 인집합 W 에대하여 f : X W 는함수이다. Proof. f : X Y 가함수이므로 f X Y 이고, Y W 이므로 f X W 이므로 F0이만족된다. 함수의정의 F1, F2은 f : X Y 가함수이므로성립한다. Theorem 7 두함수 f : X Y 와 g : X Y 에대하여, f = g f(x)
More information제1절 조선시대 이전의 교육
제1절 우리 교육 약사 제2장 사천교육의 발자취 제1절 우리 교육 약사 1. 근대 이전의 교육 가. 고대의 교육 인류( 人 類 )가 이 지구상에 살면서부터 역사와 함께 교육( 敎 育 )은 어떠한 형태로든 지 존재하고 있었을 것이다. 우리 조상들이 언제부터 이곳에서 삶을 꾸려왔는지는 여 러 가지 유적과 유물로 나타나고 있다. 그 당시 우리조상들의 생활을 미루어
More information저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
More information<B9CEC1D6C1A4C3A5BFACB1B8BFF82DBBE7B6F7B0FAC1A4C3A5BABDC8A328C6EDC1FD292E687770>
대구 : 김부라면집 사장 김부겸의 아름다운 도전 대 구 김부라면집 사장 김부겸의 아름다운 도전 고영국 민주정책연구원 부연구위원 그의 진정성, 대구 시민들이 알아주기 시작했다. 투표 전날 오후 8시, 비가 흩날리고 있는 가운데 김부겸 후보의 마지막 유세지인 수성구 시지광장에는 300여명의 청중들이 운집했다. 야당 국회의원이 있어야만 대구가 발전합니다. 여야 의원들이
More information*통신1704_01-도비라및목차1~11
ISSN 2005-2693 2017. 4 통화신용정책보고서 2017. 4 2014 2015 2016 2.4 2.6 1.6 0.8 1.4 3.5 2.1 1.2 2.0 1.8 2.2 1.3 1.7 1.9 0.3 1.2 1.0 1.9 2.2 1.2 1.2 7.3 6.9 6.7 6.7 6.7 6.7 6.8 3.5 3.0 2.5 2.0 1.5 110
More information