- Today
- Total
목록View All (355)
DATA101
[React] 404 Not Found 의미와 리턴 페이지 만드는 방법
📚 목차 1. 404 에러 의미 2. 404 에러 시 리턴 페이지 만들기 3. 결과 1. 404 에러 의미 404 Error는 HTTP에서 파일을 찾지 못 할 시 발생하는 에러 코드입니다. 여기서 맨 앞 숫자 4는 클라이언트 오류를 의미하는 숫자이며, 뒤의 숫자 2개는 구체적인 에러 코드입니다. 이 에러는 서버를 찾긴 했으나 URL에 해당되는 페이지(파일)를 찾을 수 없을 때 발생합니다. 즉, 아래의 그림 1처럼, 개발해 놓지 않은 URL로 접근할 경우, 이에 대응하는 페이지를 리턴하여 사용자에게 올바른 경로로 접근하라고 안내할 수 있습니다. 2. 404 에러 시 리턴 페이지 만들기 리액트에서 404 에러 발생 시 반환할 페이지를 만들어 봅니다. 1) 패키지 설치 npm i react-router-dom..
[Python] 리스트 안에 딕셔너리 정렬하기(feat. itemgetter)
본 포스팅에서는 파이썬에서 리스트 내 딕셔너리를 정렬하는 방법을 소개합니다. 💡 솔루션 여러 방법이 있겠지만 itemgetter 메소드를 활용하면 간단히 해결 가능합니다. 아래 예제를 보시면 쉽게 이해하시고 적용하실 수 있을 겁니다. 패키지 import from operator import itemgetter operator 패키지는 파이썬 내장 패키지이므로 따로 설치할 필요 없습니다. 예제 리스트 members = [{'name' : 'Ben', 'age': 32}, {'name' : 'Austin', 'age': 29}, {'name' : 'Kate', 'age': 20}, {'name': 'Aria', 'age': 23}] 정렬 members_sorted = sorted(members, key = ..
Multi-label Classification 평가지표: Example-based vs Label-based Evaluation
📚 목차 1. Example-based Evaluation 1.1. Exact-Match Ratio(EMR) 1.2. Accuracy 1.3. Precision 1.4. Recall 1.5. F1 Score 1.6. Hamming Loss 2. Label-based Evaluation 2.1. Macro average 2.2. Mico average 2.3. Weighted average 👨💻 들어가며 Multi-label Classification 모델 평가지표를 라벨(lael)을 기준으로 계산하는지 혹은 test example을 기준으로 계산하는지에 따라 평가 방법은 크게 2가지로 나뉩니다. 1) Example-based Evaluation 2) Label-based Evaluation 각각에 대해..
딥러닝 모델 평가 지표: ROC Curve, AUC Score
1. ROC Curve Receiver Operating Characteristic 곡선의 약자 (그림 1) \(x\)축: FPR(False Positive Rate), \(y\)축: TPR(True Positive Rate) FPR: 전체 경우 중 모델이 Positive로 예측했으나 실제 정답이 Negative인 비율로, 전체 경우에서 TNR(True Negatvie Rate)를 뺀 값과 같음 $$ FPR = 1 - TNR = 1 - \frac{TN}{FP+TN}=\frac{FP}{FP+TN} $$ TPR: 전체 경우 중 모델이 Positive로 예측했는데 실제 정답이 Positive인 비율(Recall과 동일) $$ TPR = Recall = \frac{TP}{TP+FN} $$ 그림 1에서 Refer..
딥러닝 모델 평가 지표: Confusion Matrix, Accuracy, Precision, Recall, F1 Score, Average Precision
📚 목차 1. Confusion Matrix 2. Accuracy 3. Precision 4. Recall 5. F1 Score 6. Average Precision 👨💻 들어가며 본 포스팅에서는 Binary Classification 및 Multi-class Classification에서 기본적으로 다루는 평가지표인 Confusion Matrix, Accuracy, Precision, Recall, F1 Score, Average Precision에 대해 다룹니다. Multi-label Classification에서 사용되는 평가지표는 아래의 포스팅을 참고해 주세요. https://heytech.tistory.com/434 1. Confusion Matrix '혼동 행렬' 또는 '오차 행렬'이라도 부..
[React] 숫자 자릿수마다 콤마 붙이는 방법
🛠 테스트용 숫자 100조를 준비해 봤습니다. let testNum = 100000000000000; 숫자형 변수를 코드 맨 앞에 입력해 줍니다. [Number].toString().replace(/\B(?=(\d{3})+(?!\d))/g, ',') ✅ 실행 결과 아래와 같이 정상적으로 콤마를 붙여준 것을 확인하실 수 있습니다. 포스팅 내용에 오류가 있을 경우 댓글 남겨주시면 감사드리겠습니다. 그럼 오늘도 행복한 하루 보내시길 바랍니다😊 고맙습니다.
[Github] branch 삭제 방법(명령어)
🛠 branch 삭제 방법 터미널에서 아래와 같은 명령어와 함께, 삭제할 branch 이름을 입력해 줍니다. git branch -d [삭제할 branch 이름] 👨💻 결과 포스팅 내용에 오류가 있을 경우 댓글 남겨주시면 감사드리겠습니다. 그럼 오늘도 행복한 하루 보내시길 바랍니다😊 고맙습니다.
[Python] 리스트 간 뺄셈(차집합) 구현방법
파이썬에서 2개의 리스트 간에 겹치는 원소를 제거하는 방법, 즉 차집합을 구현하는 방법을 알아봅니다. 아래와 같이 2개의 리스트가 있다고 가정해 보겠습니다. list1 = ['a', 'b', 'c', 'd'] list2 = ['b', 'd'] ❌ 잘못된 방법 리스트끼리 합집합인 원소 합치기는 덧셈(+)으로 가능합니다. 하지만, 차집합을 위한 뺼셈은 지원하지 않습니다. list1-list2 결과 ✅ 올바른 방법 아래와 같은 리스트 컴프리헨션(List Comprehension)으로 쉽게 연산이 가능합니다. sub_set = [x for x in list1 if x not in list2] 결과를 출력해 봅니다. sub_set 결과 포스팅 내용에 오류가 있을 경우 댓글 남겨주시면 감사드리겠습니다. 그럼 오늘도..