미래를 예측하는 데이터분석가

문제 설명 0 또는 양의 정수가 담긴 배열 numbers가 매개변수로 주어질 때, 순서를 재배치하여 만들 수 있는 가장 큰 수를 문자열로 바꾸어 return 하도록 solution 함수를 작성해주세요. 조건 numbers의 길이는 1 이상 100,000 이하입니다. numbers의 원소는 0 이상 1,000 이하입니다. 3.정답이 너무 클 수 있으니 문자열로 바꾸어 return 합니다. numbers return [6, 10, 2] "6210" [3, 30, 34, 5, 9] "9534330" 모든 테스트를 통과한 풀이답안 def solution(numbers): numbers = list(map(str,numbers)) numbers.sort(key = lambda x : x*3,reverse=True..

Machine Learning by professor Andrew Ng in Coursera Day 5 - Computing Parameters Analytically Normal Equation 정규방정식을 이용할 때 파라미터값을 구해주는 식은 위와 같다. 우선 정규방정식을 이용하면 스케일링을 해주지 않아도 된다는 점이 있고 위와 같이 특징들이 존재한다. 그레디언트의 경우 learning_rate를 설정해야하고 반복을 계속해서 진행하지만 정규방정식의 경우 그럴 필요가 없다. 그리고 속도면에서 feature수가 급격히 늘어날 수록 정규방정식의 속도가 느리기 때문에 그레디언트로 구하는 것이 낫다. 이런 점들을 잘 고려해 알고리즘을 설정하는 것이 중요하다고 생각한다. Normal Equation Noninv..

문제 설명 현재 대기목록에 있는 문서의 중요도가 순서대로 담긴 배열 priorities와 내가 인쇄를 요청한 문서가 현재 대기목록의 어떤 위치에 있는지를 알려주는 location이 매개변수로 주어질 때, 내가 인쇄를 요청한 문서가 몇 번째로 인쇄되는지 return 하도록 solution 함수를 작성해주세요. 인쇄 대기목록의 가장 앞에 있는 문서(J)를 대기목록에서 꺼냅니다. 나머지 인쇄 대기목록에서 J보다 중요도가 높은 문서가 한 개라도 존재하면 J를 대기목록의 가장 마지막에 넣습니다. 그렇지 않으면 J를 인쇄합니다. 조건 현재 대기목록에는 1개 이상 100개 이하의 문서가 있습니다. 인쇄 작업의 중요도는 1~9로 표현하며 숫자가 클수록 중요하다는 뜻입니다. location은 0 이상 (현재 대기목록에 ..

Machine Learning by professor Andrew Ng in Coursera Day 4 - Linear Regression with Multiple Variables Multivariate Linear Regression 즉, 다변량 회귀에서 Gradient Descent알고리즘이 어떻게 계산되는지를 배웠다. 우선 위의 식을 보면 회귀의 절편값과 기울기들이 θ0, θ1, θ2로나타난다. 회귀식은 H(x) = θ0 + θ1x1+ θ2x2+...+θnxn이다. 여기서 위의 식들을 유추하는 과정은 day-2에 설명하셨고 Cost Function을 각 θi로 미분하여 기울기를 구해 각 θi에서 빼주면서 Cost Function이 가장 작아지는 최적의 파라미터값을 찾는 방법이었다. 그 식들을 간단..