반응형 분류 전체보기1001 내란 선전죄, 국민의 힘 권성동등 포함될까? 현재 가장 똑똑한 AI ChatGPT에 물어보았다.내란을 일으킨 사람이 처벌 받지 못하다록 선전하는 사람도 처벌 받는지...결과는 처벌 가능하다고 한다.내란 옹호 발언은 내란 선전죄가 될 수 있으니 조심하기를 바라며, 국민의 힘 의원들 다 기록되고 있고, 지금 국민들 분노하고 있다는 것만 기억해라.내란을 일으킨 사람이 처벌받지 못하도록 선전하는 것도 내란선전죄에 포함될 수 있습니다. 내란선전죄는 내란을 일으킨 사람들을 옹호하거나 그들이 처벌받지 않도록 사람들에게 선동하거나 선전하는 행위도 범죄로 다뤄집니다. 예를 들어, 내란을 일으킨 범죄자들이 처벌을 피하도록 여론을 조성하거나, 그들의 행동을 정당화하는 내용을 퍼뜨리는 경우, 이는 내란선전죄에 해당할 수 있습니다.따라서, 내란을 일으킨 사람들을 면책하려.. 2024. 12. 31. 머신러닝 - 결정 트리(DecisionTree) 알고리즘 핵심 정리 다음은 예제는 스팸 문장을 이용해서 결정트리를 만들어 낸다.import numpy as npimport matplotlib.pyplot as pltfrom matplotlib import font_manager, rcfrom sklearn.feature_extraction.text import CountVectorizerfrom sklearn.tree import DecisionTreeClassifier, plot_treefrom sklearn.model_selection import train_test_split# Set up Korean font for matplotlibfont_path = "c:/Windows/Fonts/malgun.ttf" # Windows의 경우font_name = font_.. 2024. 12. 29. 머신러닝 - 로지스틱 회귀 분류 알고리즘 이해, 시그모이드 함수 로지스틱 회귀는 단순하면서도 강력한 분류 알고리즘으로, 다양한 분야에서 널리 사용되고 있다.로지스틱 회귀는 종속 변수가 두 개의 범주(예: 스팸/비스팸, 질병 유무 등)로 나뉘는 이진 분류 문제에 많이 사용된다.이유는 추후 그래프를 보면 이해하겠지만, 0을 기준으로 양수와 음수로 값을 생성하는 것이 로지스틱 회귀 알고리즘의 기본 이해라고 할 수 있다. 여기에서 중요한 함수가 바로 시그모이드 함수 (Sigmoid Function) 이다.시그모이드 함수(Sigmoid Function)는 로지스틱 회귀에서 사용되는 활성화 함수로, 입력 값을 0과 1 사이의 값으로 변환합니다. 시그모이드 함수의 수식은 다음과 같다[ \sigma(x) = \frac{1}{1 + e^{-x}} ]여기서 ( e )는 자연 로그의 .. 2024. 12. 28. 머신러닝 - 데이터셋 표준화 데이터셋 표준화는 모델 훈련 전에 데이터의 스케일을 조정하는 과정이다. 그리고 머신러닝 데이터들은 많은 학습을 위해서 메모리와 연산 작업을 처리하는데, 표준화를 수행하는 주요 이유는 다음과 같다. 모델 성능 향상: 많은 머신러닝 알고리즘(특히, 릿지 회귀, 로지스틱 회귀, SVM 등)은 특성의 스케일에 민감하다.표준화를 통해 모델이 더 빠르고 안정적으로 수렴할 수 있게 된다.특성 중요도 균형: 표준화를 통해 모든 특성이 동일한 스케일을 가지게 되면, 모델이 특정 특성에 과도하게 의존하지 않도록 할 수 있다.수치적 안정성: 표준화를 통해 큰 값과 작은 값의 차이를 줄여 수치적 계산의 안정성을 높일 수 있다. 표준화는 일반적으로 각 특성의 평균을 0, 표준 편차를 1로 맞추는 방식으로 수행된다. 다음은 표준.. 2024. 12. 27. 머신러닝 - 선형 회귀 핵심 정리 머신러닝을 할때 선형 회귀는 가장 기본적으로 알고 있어야 하는 알고리즘 이라고 할 수 있다.선형 회귀는 가장 기초적인 데이터 과학이고 이를 확장하면 자연스럽게 딥러닝까지 이해할 수 있어, 선형회귀에 대해서 여기에서는 다루어보도록 하겠다.그럼 회귀 알고리즘을 왜 사용하는지에 대해서도 궁금증이 발생할 것이다.회귀 알고리즘은 주어진 데이터를 기반으로 연속적인 값을 예측하는 데 사용되는 통계적 기법입니다. 주로 두 변수 사이의 관계를 모델링하고, 독립 변수(입력값)가 주어졌을 때 종속 변수(출력값)를 예측하는 데 사용되는데, 일반적인 머신러닝, 데이터 분석, 경제학, 생물학등에서 결과 도출에 많이 사용되어지고, 연속적인 예측값을 도출에 뛰어나다고 할 수 있다. 1. 가장 먼저 해야 할 것은? 선형 회귀와 다항 .. 2024. 12. 27. OpenSource theHive 4 이하 버전 설치 가이드 theHive가 5버전부터는 부분 유료로 전환되는 분위기다.여기는 4버전까지 OpenSource로 사용할 수 있는 방안을 정리해보고자 한다. How to use this imageTo use the Docker image, you must use Docker (courtesy of Captain Obvious).TheHive requires Elasticsearch to run. You can use docker-compose to start them together in Docker or install and configure Elasticsearch manually.Use Docker-composeDocker-compose can start multiple dockers and link them .. 2024. 12. 23. 회귀 알고리즘 정리 및 특징 정리, 사례 1. 선형 회귀 (Linear Regression)특징: 가장 기본적인 회귀 알고리즘으로, 독립 변수와 종속 변수 간의 선형 관계를 모델링합니다.장점: 간단하고 해석이 쉬우며 계산이 빠릅니다.단점: 데이터가 선형적이지 않을 경우 성능이 떨어집니다.선형 회귀는 실제는 많이 사용되지 않고 교육용도로 많이 사용되고, 기본적으로 선형 회귀를 보완하는 알고리즘들이기 때문에 기본적으로 필수로 알고있어야 하는 알고리즘이다. 2. 다중 선형 회귀 (Multiple Linear Regression)특징: 두 개 이상의 독립 변수를 사용하는 선형 회귀입니다.장점: 여러 변수의 영향을 동시에 고려할 수 있습니다.단점: 변수 간의 다중 공선성이 있을 경우 문제가 될 수 있습니다.다중 선형 회귀는 여러 조건을 한번에 대입해서 .. 2024. 12. 16. K-최근접 이웃 회귀 (KNN Regression) 알고리즘 - 결정 계수, 과대적합, 과소적합 머신러닝 - K-최근접 이웃 회귀(KNN Regression) 알고리즘 특징과 코드 머신러닝 - K-최근접 이웃 회귀(KNN Regression) 알고리즘 특징과 코드k-최근접 이웃 회귀(KNN Regression)은 새로운 데이터의 출력 값을 예측하기 위해 훈련 데이터의 출력 값과 가장 가까운 k개의 데이터를 사용합니다. k는 사용자 설정 매개변수이며, 값이 작을수록 더asecurity.dev K-최근접 이웃 회귀 (KNN Regression)K-최근접 이웃 회귀는 새로운 데이터 포인트의 값을 예측하기 위해 가장 가까운 K개의 이웃 데이터를 사용하는 비모수 회귀 방법이다. 거리 측정을 통해 가까운 이웃을 찾고, 이 이웃들의 평균값을 사용하여 새로운 데이터 포인트의 값을 예측한다.결정 계수 (R², Co.. 2024. 12. 16. 명조 2.0 업데이트 - 의상 및 가면 기능 추가, 비행등 신규 맵 현재 명조 2.0이 2025년 업데이트 될 예정으로 신규 기능이 추가될 예정인데 여기에 의상 및 가면 기능이 들어갈 것으로 보인다. 이외에도 비행등 게임 내 큰 업데이트가 많아 상당히 크게 기대되는 바이다. 1. 의상 기능2.0에서는 의상 기능이 들어갈 것으로 보인다. 여기에 새해 맞이 금희의 의상을 무료로 주지 않을까? 라는 희망을 가져 본다. 아무리 봐도 신년 이벤트 의상으로 보이는 금희 의상 신선하고 스킬 이펙트까지 신경쓴 부분이 매우 마음에 든다. 2. 가면기능부분적으로 의상을 변경할 수 있는데, 가면을 이용한다는 점이 독특하다는 느낌이다. 캐릭터 별로 착용할 수 있는 가면을 제공할 것으로 보인다. 명조 2.0 픽업 - 카를로타 속성 및 육성 조합 3. 비행 기능비행 기능 역시 기존에는 낙하산 .. 2024. 12. 14. 이전 1 2 3 4 5 ··· 112 다음 반응형
