전체 글56 던파 마법사(여) 던담 1~50위 명성 및 데미지 안녕하세요. 보랏입니다. 오늘은 마법사(여) 던담 기준 1~50위 명성 및 데미지를 알아보려고 합니다. 그리고 분석 시 인챈트리스는 버퍼이기 때문에 동일 비교하기에는 맞지 않아 향후 버퍼편으로 한 번에 분석해보겠습니다. (크루세이터(남), 크루세이더(여), 인챈트리스, 뮤즈) 그럼 바로 시작하도록 하겠습니다. (기준일자 23.04.07) ※ 해당 자료들은 던담에 게시되어 있는 단순 명성, 데미지를 크롤링하여 확인한 것으로 실질적인 수치는 기준일과 달라질 수 있습니다. 또한 해당 분석 내용들은 아이템(에픽, 불가침 등) 및 옵션레벨에 따라 변동이 심하니 재미상으로만 봐주시면 감사드리겠습니다. 1. 엘리멘탈마스터 엘리멘탈마스터 1위 랭커분의 데미지는 약 1,093억, 명성은 45,988로 불가침 무기, 어깨.. 2023. 4. 7. 230406_DB복습 안녕하세요. 보랏입니다. 어제는 집에있는 데스크탑에서 티스토리 접속이 계속 오류가 발생하여 복습내용을 못적었네요... 오늘 어제 복습 내용까지 올리고 좀 있다 던파 여마법사 분석편까지 올리도록 하겠습니다. 우선 복습 내용먼저 작성하겠습니다. 1. 딥러닝 - 심층신경망 입력층과 출력층 사이에 있는 모든 층을 은닉층(Hidden layer) 은닉층에는 주황색 원으로 활성화 함수가 표시되어 있으며, 활성화 함수는 신경망 층의 선형 방정식의 계산 값에 적용하는 함수 분류 문제를 위한 신경망이 출력층에는 시그모이드 함수나 소프트맥스 함수를 성화 함수로 사용 이진 분류 : 시그모이드 함수 다중 분류 : 소프트맥스 함수 회귀를 위한 신경망의 출력층의 결과는 임의의 어떤 숫자이므로 활성화 함수를 적용할 필요가 없고, .. 2023. 4. 7. 230405_DB복습 안녕하세요. 보랏입니다. 오늘은 XGBoost모델 만들기와 Django의 특징, 기초 명령어를 배웠습니다. 복습 시작하겠습니다. 1. XGBoost 모델 만들기 - 붓꽃 데이터 셋 어제 배운 XGBoost를 활용하여 사이킷런에서 제공해주는 datasets 분석 모델을 만들었습니다. import pandas as pd import numpy as np from sklearn import datasets iris = datasets.load_iris() df = pd.DataFrame(data=np.c_[iris['data'], iris['target']], columns=iris['feature_names'] + ['target']) df.head() from sklearn.model_selection i.. 2023. 4. 5. 230404_DB복습 안녕하세요. 보랏입니다. 오늘 ORM(객체관계맵핑 데이터베이스)와 XGBoost코드를 배웠습니다. 복습시작하겠습니다. 1. ORM(Object Relational Mapping) Object Relational Mapping(객체-관계-매핑)의 약자 객체와 데이터베이스의 관계를 매핑해주는 도구 프로그래밍 언어의 객체와 관계형 데이터베이스의 데이터를 자동으로 매핑(연결)해주는 도구 프로그래밍 언어의 객체와 관계형 데이터베이스 사이의 중계자(통역자) 역할 MVC패턴에서 모델을 기술하는 도구 & 객체와 모델 사이의 관계를 기술하는 도구 MVC(MVC design pattern) 소프트웨어 설계와 관련된 디자인 패턴으로, 소프트웨어 공학에서의 ‘흔히 사용되는’ 설계 패턴을 의미 ORM사용이유 객체 지향 프로그래.. 2023. 4. 4. 230403_DB복습 안녕하세요. 보랏입니다. 오늘 또 새로운 한 주가 시작되어 복습 내용 올리도록 하겠습니다. 오늘 배운 내용은 머신러닝 랜덤포레스트, XGBoost와 vscode에서 django설치를 배웠는데, 지금 제 데스크탑에서 계속 오류가 발생해서 다시 해결하는대로 한 번에 올리도록 하겠습니다. 죄송합니다. 복습 시작하겠습니다. 1. 랜덤 포레스트 앙상블 모델(ensemble learning) 정형 데이터를 다루는 데 가장 뛰어난 성과를 내는 알고리즘 랜덤 포레스트 랜덤포레스트는 의사결정트리가 모여서 생성 의사결정트리에서 수 많은 요소(feature)를 기반으로 target을 예측한다면, 오버피팅 발생 따라서 random forest는 전체 feature중 랜덤으로 일부 feature만 선택해 하나의 결정트리를 생성.. 2023. 4. 3. 던파 마법사(남) 던담 1~50위 명성 및 데미지 안녕하세요. 보랏입니다. 오늘은 마법사(남) 던담 기준 1~50위 명성 및 데미지를 알아보려고 합니다. 바로 시작하도록 하겠습니다. (기준일자 22.03.31) ※ 해당 자료들은 던담에 게시되어 있는 단순 명성, 데미지를 크롤링하여 확인한 것으로 실질적인 수치는 기준일과 달라질 수 있습니다. 또한 해당 분석 내용들은 아이템(에픽, 불가침 등) 및 옵션레벨에 따라 변동이 심하니 재미상으로만 봐주시면 감사드리겠습니다. 1. 엘리멘탈바머 엘리멘탈바머 랭커 1위분의 데미지는 약 1,210억으로 명성은 45,391이십니다. 불가침 무기와 어깨를 착용하고 있으시며 '커맨드 사용 시 스킬공격력 증가', '스킬 빈슬롯 1개당 스공 증가', '보스몬스터 공격 시 스공 증가' 옵션 등을 채택하셨습니다. 그리고 테크놀로지 .. 2023. 3. 31. 230330_DB복습 안녕하세요. 보랏입니다. 1. 표준화&정규화 표준화&정규화 시행 이유 : 데이터의 컬럼별 단위 혹은 범위를 통일 km, kg, 시간 등 다양한 단위는 직접적인 비교가 불가하기 때문 정규화(normalization) 정규화는 값의 범위를 0~1사이로 옮겨주는 작업 → 모든 데이터의 단위가 모두 0~1 사이로 옮겨지게 해주는 것 컬럼값이 0~1로 기계가 학습하기에 어느 컬럼에 중점을 두고 학습하기보단 평등하게 컬럼들을 보고 학습 from sklearn.preprocessing import MinMaxScaler ss2 = MinMaxScaler() ss2.fit(train_input) train_scaled2 = ss2.transform(train_input) test_scaled2 = ss2.transfo.. 2023. 3. 30. 230329_DB복습 안녕하세요. 보랏입니다. 오늘은 머신러닝 기법 중 확률적 경사 하강법, 오차역전파와 트리 구조에 대해서 배웠습니다. 바로 복습 시작하겠습니다. 1. 확률적 경사 하강법 경사 = 기울기 / 하강법 : 내려가는 방법 아래 그림처럼 내려오는 보폭이 너무 크면 원하는 지점을 지나쳐 갈 수 있음 확률적이라는 말은 실제로는 훈련 데이터 셋을 사용해 모델을 훈련하여 경사 하강법도 당연히 훈련 세트를 사용하여 가장 가파른 길을 찾는 방법 훈련 세트에서 랜덤하게 하나의 샘플을 선택하여 경사를 내려가고, 그 다음 훈련 세트에서 랜덤하게 또 다른 샘플을 하나 선택하여 경사를 조금 내려가는 방법 이런 식으로 전체 샘플을 모두 사용할 때까지 계속해서 진행 이렇게 해서 답을 찾지 못하면 다시 처음부터 시작합니다. 그 다음 다시 .. 2023. 3. 29. 230328_DB복습 안녕하세요. 보랏입니다. 오늘은 어제에 이어서 로지스틱 회귀와 vscode로 docker를 실행하는 방법을 배웠습니다. 바로 복습시작하겠습니다. 1. 로지스틱 회귀 - 럭키백의 확률 럭키백에 들어갈 수 있는 생선은 7개 입니다. 럭키백에 들어갈 생선의 크기, 무게 등이 주어졌을 때 7개 생선에 대한 확률을 출력해야 합니다. 이번에는 길이, 높이, 두께 외에도 대각선 길이와 무게도 사용할 수 있습니다. 데이터 준비하기 import pandas as pd fish = pd.read_csv('https://bit.ly/fish_csv') fish.head() print(pd.unique(fish['Species'])) 타깃 데이터에는 7개의 생선의 종류가 들어 있습니다. 타깃이 2개 이상의 클래스가 포함된 문.. 2023. 3. 28. 이전 1 2 3 4 5 6 7 다음
