본문 바로가기
728x90

분류 전체보기74

[Reviews][Finance] Infusing domain knowledge in AI-based black box models for better explainability with application in bankruptcy prediction 논문 리뷰 "Black box" 모델로 일컫는 Artificial Neural Networks, Support Vector Machine, Ensemble Approaches와 같은 모델들은 비선형 함수로 복잡도가 높아서 성능이 좋지만, 알고리즘의 설계자 조차도 그 모델이 어떻게 설계되었는지 설명(explainability) 하지 못하고 해석력(Interpretability)이 부족한 경우가 있다. 그렇기 때문에, 알고리즘을 사용하여 어떠한 결정을 내릴 때 그 알고리즘을 설명해야 하는 권리과 책임이 요구되는 추세이다. Explainability: 머신러닝이나 딥러닝 시스템의 내부 메커니즘을 인간 용어로 설명할 수 있는 정도. 무슨 일이 일어나고 있는지 설명할 수 있는 능력. Interpretability: 시스템 .. 2021. 8. 14.
[Programming][MySQL] 데이터 모델링(ERM/ ERD) 데이터 모델링을 통해서 데이터 베이스를 구축하기 위한 모델을 만드는 작업을 할 수 있다. ERM은 Entity Relationship Modeling(개체 - 관계 모델링)으로 entity들 간의 관계로 표현하는 모델을 만드는 것을 의미한다. ERD는 Entity Relationship Diagram(개체 - 관계 다이어그램)으로 ERM로 만든 모델링 모델을 그림으로 표현한 것을 말한다. Entity(개체): 저장하고 관리하려고 하는 데이터 값들을 나타는 것으로 테이블과 비슷한 개념으로 생각할 수 있다.(동일한 개념은 아니다!) Attribute(속성): 테이블에서 열(Column)과 비슷한 개념으로, 위의 customer Entity에서는 id, category, main_menu... 이 attrib.. 2021. 8. 13.
[Programming][MySQL] 외래키(Foreign Key) Foreign Key를 활용하기 위해서 테이블을 하나 더 생성했다. 그리고, 두 테이블을 참조할 수 있도록 만들기 위해 Category Table(부모 테이블)의 idcategory(Primary Key)와 Customer Table(자식 테이블)의 category(Foreign Key)를 연결한다. 먼저, 외래 키를 지정해주기 위해 Customer 테이블의 설정(테이블에서 오른쪽 마우스를 누르면 도구 모양의 아이콘)에 들어가서 하단의 foreign keys를 선택한다. 다음으로, foreign key의 이름을 원하는 대로 설정하고, [Referenced Table]에 부모 테이블을 설정한다. [Column]에서 foreign key로 사용할 열(Column)을 선택하고 [Referenced Column.. 2021. 8. 12.
[Programming][MySQL] 테이블 가공하기(ALTER) ALTER TABLE ~ 을 이용하여 데이터에 열을 추가하거나, 수정하고 다양하게 가공할 수 있다. ALTER TABLE ~ ADD ALTER TABLE customer ADD grade INT NOT NULL; ALTER TABLE customer ADD location CHAR(2) NULL; ALTER TABLE [테이블 이름] ADD [추가할 열] [데이터 타입] [NULL 허용 여부]를 이용해서 열을 추가할 수 있다. 실습에서는 등급을 정수형 변수로 넣고, 지역을 나타내기 위해 문자형 변수로 추가했다. 다양한 조건들을 뒤에 더 넣을 수 있지만, 일단은 기본적인 것만 작성했다. 다음과 같이 테이블에 grade와 location 열(Column)이 잘 추가하고, grade는 범위를 구분하여 작성했고.. 2021. 8. 4.
[Programming][MySQL] 테이블 만들기(CREATE DATABASE/ CREATE TABLE/ INSERT INTO/ DELETE FROM) 지금까지는 원래 있던 데이터들을 CSV 형태의 파일로 불러와서 테이블을 만들었다. 이 페이지에서는 직접 데이터 베이스를 만들고 테이블을 만드는 작업을 해보기로 한다. 테이블을 만들기 위해서는 먼저, SCHEMAS에 해당하는 데이터 베이스를 만들어야 한다. 사람들이 맛집에 대한 정보를 입력한 데이터 베이스를 만든다고 하자. (미쉐린 가이드와 같이!) CREATE DATABASE CREATE DATABASE food_guide; 데이터 베이스를 만들기 위해서는 CREATE DATABASE 예약어를 사용해야 한다. 위와 같이 작성하고 실행 버튼을 누른 뒤, SCHEMAS를 새로고침 하면 왼쪽에 [food_guide] SCHEMA가 생성된 것을 볼 수 있다. 만약 SCHEMAS에 중복되는 이름이 있는 것을 방지.. 2021. 8. 2.
[Programming][MySQL] 서브쿼리 (feat. KOSPI50 종목) 본 페이지에서 사용하는 테이블에 대한 설명의 아래 JOIN 활용하기 링크에서 확인:) 2021.07.27 - [Programming/MySQL] - [Programming][MySQL] JOIN 활용하기(feat. KOSPI50 종목) [Programming][MySQL] JOIN 활용하기(feat. KOSPI50 종목) 데이터 설명 JOIN 함수를 사용하기 위해 price, analysis, information 세 테이블을 임의로 만들었다. price 테이블 INVESTING.COM에서 출력한 KOSPI50 종목(2021.07.26 기준)의 가격 데이터로 id, 종목번호(ticke.. lydia-ds.tistory.com 서브 쿼리는 쿼리 문안에 다른 쿼리들이 포함되어 있는 것이다. SELECT 안의.. 2021. 7. 28.
[Programming][MySQL] 다양한 JOIN 함수 (feat. KOSPI50 종목) 본 페이지에서 사용하는 테이블에 대한 설명의 아래 JOIN 활용하기 링크에서 확인:) 2021.07.27 - [Programming/MySQL] - [Programming][MySQL] JOIN 활용하기(feat. KOSPI50 종목) [Programming][MySQL] JOIN 활용하기(feat. KOSPI50 종목) 데이터 설명 JOIN 함수를 사용하기 위해 price, analysis, information 세 테이블을 임의로 만들었다. price 테이블 INVESTING.COM에서 출력한 KOSPI50 종목(2021.07.26 기준)의 가격 데이터로 id, 종목번호(ticke.. lydia-ds.tistory.com NATURAL JOIN SELECT p.ticker, p.stock, p.clo.. 2021. 7. 27.
[Programming][MySQL] JOIN 활용하기(feat. KOSPI50 종목) 데이터 설명 JOIN 함수를 사용하기 위해 price, analysis, information 세 테이블을 임의로 만들었다. price 테이블 INVESTING.COM에서 출력한 KOSPI50 종목(2021.07.26 기준)의 가격 데이터로 id, 종목번호(ticker), 종목 이름(stock), 종가(close), 고가(high), 저가(low), 변동(fluctuation), 거래량(volume)으로 구성된 열(Column)과 50개의 행(Row)으로 되어있다. analysis 테이블 INVESTING.COM에서 출력한 KOSPI50 종목(2021.07.26 기준)의 기술 분석 데이터로 id, 종목번호(ticker), 종목 이름(stock), 시간당(time), 일 간(day), 주 간(week), .. 2021. 7. 27.
[Deep Learning][Deep Learning from Scratch] 신경망 사이토 고키, 「밑바닥부터 시작하는 딥러닝」, 개앞맵시, 한빛미디어, Chapter 3의 내용을 정리하고 공부한 페이지입니다. 신경망 신경망은 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습할 수 있는 능력을 가진다. 위의 모형과 같이 기본적으로 입력층(0층), 은닉층(1층), 출력층(2층)의 구조로 구성된다. 활성화 함수 활성화 함수는 입력 신호의 총합이 활성화를 일으키는지를 정하는 역할을 한다. 편향을 1이라고 했을 때, 오른쪽의 그림(활성 함수 처리 과정)을 보면 가중치와 입력 신호를 조합하여 a라는 결과가 된다. 이를 활성화 함수 h( )에 통과시켜 y라는 노드로 변환되는 과정이다. 계단 함수 (Step Function) 일반적으로 활성화 함수는 임계 값을 넘으면 1을 변환하고 넘지 않으.. 2021. 7. 26.
[Deep Learning][Deep Learning for Scratch] 퍼셉트론(Perceptron) 사이토 고키, 「밑바닥부터 시작하는 딥러닝」, 개앞맵시, 한빛미디어, Chapter 2의 내용을 정리하고 공부한 페이지입니다. 퍼셉트론(Perceptron) - 다수의 신호를 받아 하나의 신호를 출력한다. - 흐른다 / 흐르지 않는다 두 가지 값을 가질 수 있다. (1 또는 0) - 신경망의 기원이 되는 알고리즘이다. 입력 신호가 뉴런에 보내질 때 각각 고유한 가중치가 곱해진다. 뉴런에서 보내온 신호의 총합이 정해진 한계를 넘어설 때만 1을 출력하고, 그 한계를 임계값(θ)라고 한다. → 가중치가 클수록 해당 신호가 더 중요하다는 뜻이다. θ를 -b로 치환하여 식을 작성하면, 오른쪽 수식과 같다. 이때, b는 편향이라고 하고 가중치를 곱한 값과 편향을 합하여 0을 넘으면 1을 출력하고 그렇지 않으면 0을.. 2021. 7. 26.
반응형

티스토리툴바