-

https://api.flutter.dev/flutter/material/Icons-class.html Icons class - material library - Dart API Identifiers for the supported material design icons. Use with the Icon class to show specific icons. Icons are identified by their name as listed below. To use this class, make sure you set uses-material-design: true in your project's pubspec.yaml file in api.flutter.dev 플루터에서 아래와 같이 아이콘들을 제공합니다.

import 'package:flutter/material.dart'; void main() => runApp(MyApp()); class MyApp extends StatelessWidget { // This widget is the root of your application. @override Widget build(BuildContext context) { return MaterialApp( title: 'Flutter Demo', theme: ThemeData( // This is the theme of your application. // // Try running your application with "flutter run". You'll see the // application has a..

이름이 버그가 붙어있는데 가끔 듣도보도 못한 에러가 나타나고 다시 해보니 버그가 해결이 되는 현상을 말합니다. 대략적인 원인은 - 무작위 인자 - 초기화되지않은 메모리 - 메모리훼손 입니다. 참조 [1] - https://grapevine9700.tistory.com/8#comment10951024

플루터 hello world 할려고 하면 갑자기 이런 에러가 날 때가 있습니다. Error: ADB exited with exit code 1 Performing Streamed Install adb: failed to install /Users/himchanyoon/AndroidStudioProjects/flutter_app124124/build/app/outputs/apk/app.apk: Failure [INSTALL_FAILED_INSUFFICIENT_STORAGE] Error launching application on Android SDK built for x86. 그냥 쿨하게 새롭게 에뮬레이터 하나 새롭게 띄우면 됩니다. 끝.

Caterpillar Tube Pricing Predicting 에 대한 것입니다. https://www.kaggle.com/c/caterpillar-tube-pricing/data 불러오는 중입니다... 무슨 건설기계 튜브 얼마나 견적내줘야하는지에 대학 예측입니다. bill_of_materials.csv This file contains the list of components, and their quantities, used on each tube assembly. specs.csv This file contains the list of unique specifications for the tube assembly. These can refer to materials, processes, rust p..

SMOTE에 대해서 알아보겠습니다. 예를 들면, 카드사기 dataset을 분석할 때, 사기가 아닌 데이터는 1000개인데, 사기 데이터는 3개일 수 있습니다. 이러면 사기 데이터를 분석하기가 매우 어렵다. 정확도가 높아도 재현율이 작아지는 현상이 발생하는데 SMOTE(를 이용해서 오버샘플링 기법을 활용합니다. SMOTE를 이용해서 합성 데이터를 생성합니다. 참조 [1] - https://mkjjo.github.io/python/2019/01/04/smote_duplicate.html

Confusion Matrix라고 모델 평가항목입니다. True Positives : 1인 레이블을 1이라 하는 경우를 True Positives라고 한다. -> 관심 범주를 정확하게 분류한 값. False Negatives : 1인 레이블을 0이라 하는 경우를 False Negatives라고 한다. -> 관심 범주가 아닌것으로 잘못 분류함. False Positives : 0인 레이블을 1이라 하는 경우를 False Positives라고 한다. -> 관심 범주라고 잘못 분류함. True Negatives : 0인 레이블을 0이라 하는 경우를 True Negatives라고 한다. -> 관심 범주가 아닌것을 정확하게 분류. 참조 [1] - https://yamalab.tistory.com/50

GridSearchCV에 대해서 알아봅니다. GridSearchCV이 뭔지 간단하게 말하면 데이터를 잘 쪼개서 최적의 데이터셋을 만들어내는 방법입니다. GridSearchCV를 사용하면서 아래의 학습 알고리즘을 사용합니다. SVC Random Forest XGBoost 라는 애들이 나옵니다. 다 머신러닝 지도학습 모델인데 SVM부터 보겠습니다. SVM(Support Vectore Machine)는 결정경계(Decision Boundary)를 찾는 모델입니다. SVM에 파라메터 c값이 나오는데 c 값이 클 수록 하드마진(오류 허용 x)입니다. gamma라는 값도 나오는데 결정 경계를 어떻게 그을까 하는 것입니다. gamma값을 높이면 경계를 구불구불하게 긋습니다.(오버피팅 우려가 있죠?) RandomFor..

https://www.kaggle.com/uciml/breast-cancer-wisconsin-data Breast Cancer Wisconsin (Diagnostic) Data Set Predict whether the cancer is benign or malignant www.kaggle.com 유방암 예측 관련 데이터입니다. Attribute Information: 1) ID number 2) Diagnosis (M = malignant, B = benign) 3-32) Ten real-valued features are computed for each cell nucleus: a) radius (mean of distances from center to points on the perimeter..

Kaggle 이라는 데이터 커뮤니티의 문제를 보다가 깨달음이 왔는데 그냥 이게 뭐 데이터를 가지고 이것저것 하고 엄청 어려운 것 같은데 자세히 보면은 별게 아닙니다. 그냥 pandas를 이용해서 데이터를 뭐 약간 수정하고 몇가지 머신러닝 알고리즘 이용해서 적용해주면 끝이네요... 뭐 정말 정확도를 높이고 이런 작업에는 더 다양한 테크닉이 필요하겠지만, 입문용으로는 이정도만 알면 되는 것 같습니다.