it 내용 정리

++(++a)질문 객체지향 상속 -> 속성 상속받고 자신의 특성 추가 *업캐스팅 -->포인터 형변환 pc char형 포인터는 1 byte에 대해 작업 100->101->102 만약 int형 포인터로 작업하면 4byte씩 수정 char 형 포인터 for문-->1byte씩 4번 같은 memory내용에 대해 포인터의형에따라 메모리 읽는바이트가달라 *(pc+0) *(pc+1) 메모리는 허랅받았으면 동적할당등ㅇ로 포인터의 자료형에 따라 어떤 포인터로 메모리에 접근하는지가 중요해 int data=0x char * pc; pc=(char*)& data; 합법적으로 쓰지 못하는 3byte공간마저 쓰려고 하면 에러가 생긴다 --> segementation fault-->ptr잘못써서 char a='A'; int& pi=..

예제 7-4 복습 + OPERATOR 정의 통해 그 내부 구현해보기 C=A+B 오류 안나도록 a객체의 멤버변수인 kick punch근데 a의 kick punch값 수정중인데 이렇게 짜면 안되는 이유 Power Power::operator+(Power op2){ 여기 제 3의 객체 하나 만들어준다 return *this; } operator+가 Power클래스 안에 구현되어 있다면 } operator+(){ Power operator+(int op1,Power op2){ Power tmp; tmp.kick=op1+op2.kick; tmp.punch=op1+op2.punch; return tmp; } error 해결 전역함수를 클래스의 friend함수로 만들어주면 된다 kick,punch가 private 이..

유형 5) 1 대 다 인 relation의 처리 질문 table에서 aid, uid 두개 칼럼이 있는데 이 2개가 숙박_질문, 질문_고객 관계 처리하는 과정에서 넣어준 foreign key 칼럼 유형 6) 1대 다 relation의 처리 ->후기entity 와 고객 entity 사이의 relation후기_고객은 별도의 테이블 만들지 않고 후기 review테이블에 1쪽에 해당하는 table의 pk고객id를 추가한다 -> 숙박_후기 에서 reviewtable에 accommodate table의 pk a_id추

구상 torch sckit-learn 라이브러리를 선택할 때 고려해야할 점. 1) 개발하려는 제품, 의도하는 결과를 얻기에 충분한 성능의 라이브러리 2) 인기가 많은 라이브러리(Q&A자료가 많고 버그수정이 빠름. 1번도 자연스럽게 충족됨) 3) 사용해봤을 때 실제로 편리하고 작업 효율을 높여주는 라이브러리 * 특히 초보자일수록 인기 라이브러리를 선택해야합니다. validation --가장 나은 모델을 선택하는 상황 성능평가용 데이터 test set--최종적으로 성능 측정하는 데이터 print(lm.intercept_) Seaborn을 이용한 데이터시각화 numpy 는 쓰지 않고pandas만 사용한다 의문:데이터 18개만 잘라도 되나 -sklearn 쓰려고 하고 있다 라이브러리를 선택할 때 고려해야할 점...

q 깊은 복사 얕은복사 정확한 개념 익히기 -Person type 객체,원본)=(pg 30) copy constructor ->얕은복사 깊은 복사 모두 가능 c언어는 모두 스택에 저장된다 java-heap deep copy하는 법 기억!! stringlength string copy함수 쓰기 위해 cstring- import하자 -복사생성자 안만ㄷ들어주면 자동으로 하나 생성 -사진 정리 -->CIrcle생성자.메모리 해제 에러 초반 얕은 복사 생성자-->후반 깊은 복사 생성자 #pragma once using namespace std; #include class Person { char* name; int id; public: Person(int id, const char* name); ~Person()..

s.find('+',startIndex) //startindex부터 +기호를 찾아봐라 문자열 처리 응용-덧셈 문자열을 입력받아 덧셈 실행 7+23+5+100+25 +값의 인덱스가 반환이 된다 startIndex를 0에서 2로 2에서 5로 string string s; 객체의 find함수를 통해서 찾아보자 cout

https://en.wikipedia.org/wiki/Multidimensional_scaling Multidimensional scaling - Wikipedia From Wikipedia, the free encyclopedia Jump to navigation Jump to search An example of classical multidimensional scaling applied to voting patterns in the United States House of Representatives. Each red dot represents one Republican member of the House, a en.wikipedia.org 들어가며 Machine Learning problem을 풀..

What are ensemble methods? Ensemble learning is a machine learning paradigm where multiple models (often called “weak learners”) are trained to solve the same problem and combined to get better results. The main hypothesis is that when weak models are correctly combined we can obtain more accurate and/or robust models. Single weak learner In machine learning, no matter if we are facing a classif..

너무 수준 높은 책입니다. 비록 번역본이지만 읽는데 지장도 없고 좋았어요

이오는 목성의 위성중 하나로 갈릴레이 위성이다. 지름은 3,642km으로 태양계에서 네 번째로 큰 위성이며 목성의 위성 중 세 번째로 크다. 이 위성의 이름은 그리스 신화에서 제우스의 연인 중 한명이자 헤라의 여사제인 이오를 따서 지어졌다. 유로파는 얼음으로 유명