성덕이의 개발공간

1. 문제 설명 2. 문제 조건 n은 3, m은 4 1 3 3 2 2 1 4 1 0 6 4 7 형태로 되어있다. 3. 문제 해결 아이디어 금광의 모든 위치에 대하여 다음의 세 가지만 고려 1. 왼쪽 위에서 오는 경우 2. 왼쪽 아래에서 오는 경우 3. 왼쪽에서 오는 경우 세 가지 경우 중에서 가장 많은 금을 가지고 있는 경우를 테이블에 갱신해주어 문제를 해결한다. 이때 테이블에 접근할 때마다 리스트의 범위를 벗어나지 않는지 체크해야 한다. 4. 답안 #테스트 케이스 입력 for tc in range(int(input())): #금광 정보 입력 n, m = map(int, input().split()) array = list(map(int, input().split())) #DP 테이블 초기화 dp = [..

1. 문제 설명 2. 문제 조건 2가지(N)으로 총합 15(M)을 만들기 위해 2원화폐와 3원화폐 3가지(N)으로 총합 4(M)을 만들기 위해 3,5,7원 화폐 3. 문제 해결 아이디어 [Step 0] N = 3, M = 7이고, 각 화폐의 단위가 2, 3, 5인 경우를 확인 초기화 작업 먼저 각 인덱스에 해당하는 값으로 INF(무한)의 값을 설정 INF는 특정 금액을 만들 수 있는 화폐 구성이 가능하지 않다라는 의미 10,001을 사용가능 1~7까지는 만들수 없는 무작위의 값을 설정 인덱스(0) = 0원을 만들기 위한 최소한의 화폐 개수는 0 [Step 1] 첫 번째 화폐 단위인 2를 확인한다. 점화식에 따라서 다음과 같이 리스트가 갱신된다. 인덱스 2원을 만들 수 있는건 1개 인덱스 4원을 만들 수 ..

1. 문제 설명 2. 문제 조건 3. 문제 해결 아이디어 피보나치 수열 문제를 도식화한 것처럼 함수가 호출되는 과정을 그림으로 그리면 이와같다. 최적 부분 구조와 중복되는 부분 문제를 만족 1을 빼는 연산을 제외하고는 해당 수로 나누어떨어질 때에 한해 점화식을 적용할 수 있다. 4. 답안 x = int(input()) d = [0] * 30001 #바텀 업방식 for i in range(2, x + 1): #현재의 수에서 1을 빼는 경우 d[i] = d[i - 1] + 1 #현재의 수가 2로 나누어 떨어지는 경우 if i % 2 == 0: d[i] = min(d[i], d[i // 2] + 1) #현재의 수가 3으로 나누어 떨어지는 경우 if i % 3 == 0: d[i] = min(d[i], d[i /..

1. 문제 설명 2. 문제 조건 3. 문제 해결 아이디어 N = 4일 때, 다음과 같은 경우들이 존재할 수 있다. 식량을 선택할 수 있는 경우의 수는 다음과 같이 8가지이다. 7번째 경우에서 8만큼의 식량을 얻을 수 있으므로 최적의 해는 8이다. i는 인덱스이므로 0부터 시작한다. 창고 0만 있을 때는 a(o) = 1이 최대 값 창고 0,1만 있을 때는 a(1) = 3이 최대 값 창고 0,1,2만 있을 때는 a(2) = 3이 최대 값 모든 창고일때는 창고1, 3 = 8이 최대 값 이렇게 DP 테이블 값을 재정의한다. 왼쪽부터 차례대로 식량창고를 턴다고 했을 때, 특정한 i번째 식량창고에 대해서 털지 안 털지의 여부를 결정 위 2가지 경우 중에서 더 많은 식량을 털 수 있는 경우를 선택하면 된다. 즉, i..

메모리를 적절히 사용하여 수행 시간 효율성을 비약적으로 향상시키는 방법이다. 이미 계산된 결과(작은 문제)는 별도의 메모리 영역에 저장하여 다시 계산하지 않도록한다. 다이나믹 프로그래밍(동적 계획법)의 구현은 일반적으로 두 가지 방식(탑다운과 바텀업)으로 구성 동적(Dynamic)이란? 자료구조에서 동적 할당(Dynamic Allocation)은 프로그램이 실행되는 도중에 실행에 필요한 메모리를 할당하는 기법 다이나믹 프로그래밍에서 다이나믹은 별다른 의미가 없다. 1. 다이나믹 프로그래밍의 조건 최적 부분 구조(Optimal Substructure) 큰 문제를 작은 문제로 나눌 수 있으며 작은 문제의 답을 모아서 큰 문제를 해결할 수 있다. 중복되는 부분 문제(Overlapping Subproblem) ..

데이터 전처리 진행(동의어처리, 사용자 정의사전) 1. Tokenizer 사용자 단어 정의 v2를 복사해서 v3를 만들고 그대로 내용을 붙여 넣는다. 그리고 ‘analyzer’ 의 하위 필드인 custom_nori를 만들어주고 내용은 아래와같이 넣는다. char_filter = 위에 만들었던 변수명 tokenizer = 위에 선언했던 변수명 filter = 적용할 필터 변수명 여기서는 아직 위의 필터를 정의하지 않았으므로 임의적으로 동의어필터 라는 단어를 넣었다. 바로 위 ‘tokenizer’ 필더의 하위 필더에 ‘custom_nori_tokenizer’를 선언한다. 내용은 이와같이 적는다. user_dictionry_rules : 에는 단어를 분리하지않고 하나의 단어로 인식할 단어의 목록들을 적는다. ..

PUT라인에 커서를 올리고 ctrl + enter로 실행해본다. 에러없이 잘 진행됐으면 오른쪽에 이와같이 출력된다. 두 번이상 실행하면 에러가 뜬다. 이미 PUT을 했기에 중복이 안된다는 것이다. 이땐 아래처럼 DELETE를 이용해서 삭제하고 다시 정의해주면 해결된다. GET을 통해 출력이 잘 되는지 확인한다. 오른쪽에 잘 나온다. 4. TEST 잘되있는지 테스트해보자. GET이후 /_analyze를 이용한다. 이를 이용하면 token이 입력한 그대로 데이터그 자체로 토큰이 만들어진다. 이것과 꼭 일치한 것만 검색한다. 라는 의미이다. dtail뒤에 detail.raw를 쓰면 오른쪽과 같이 내부에서 자동적으로 토큰을 나눠준다. 여기서는 3개의 토큰으로 나뉘어 생성된다. 찾을 택스트는 : 와같이 적어준다...

데이터 전처리 진행(불용어 제거, 맞춤형 검색, 수정, 정재) 1. 데이터 검토 및 Mapping 홈에서 메뉴를 클릭하고 Management의 Dev Tools에 들어간다. 미리 만들어두었던 Index Pattern을 GET으로 불러온다. 그 이후 Ctrl + Enter로 실행한다. 그러면 오른쪽에 쿼리를 쭉 살펴볼 수 있다. 왼쪽 화살표를 이용해도 좋고, 최소화 하고자하는곳에 커서를 올리고 Alt + 0을 누르면 축소시킬 수 있다. Index Pattern에는 크게 ‘mapping’ 와 ‘settings’쿼리가 존재한다. ’mapping’하위 필드는 ‘_meta’, ‘properites’ 등이 존재한다. ’properties’를 클릭해보면 각각의 document들이 가지고 있는 필드를 볼 수 있다. t..

키바나의 장점인 다양한 Maps 왼쪽메뉴에서 [Management]클릭 후 [Kibana]영역의 [Index Pattern] 클릭 그 이후 오른쪽 상단 Create index pattern을 클릭한다. 이 창에서 [Name]에 이와같이 적으면 오른쪽 인덱스가 쭉나온다. *(와일드카드)를 통해 하나의 인덱스로 모두 묶을 것이다.가 없으면 하나의 인덱스에 대해 패턴을 만드는 것 이 인덱스들은 네이버 쇼핑을 크롤링한 것들이다. 오른쪽 4개를 n_shopping으로 인덱스 패턴을 만들겠다. 오른쪽 메뉴 클릭 후 대시보드에 들어가 확인한다. 왼쪽 상단을 보면 Indexpattern이 잘 만들어져 들어간것이 보인다. 오른쪽 상단 부분의 그래프 부분을 드래그해서 확대해서 원하는 부분만 볼 수 있고 다시 돌아가러면 상..

가장 많이 언급된 단어를 클라우드처럼 시각화하는 기능이다. [All types] ⇒ [aggregation based] ⇒ [tag Cloud] 선택 오른쪽에서 Buckets추가해주고 Terms누르고 필드는 소분류, 크기는 100개로설정 [Orientations] = 글자 방향을 선택해줄 수 있다. 정방향, 역방향, 뒤집기 등등... [Font Size]로 크기도 설정할 수 있다. 범위는 작은건 더 작게,, 큰건 크게..등등 적용이 가능하다.