728x90
반응형

수리물리학에서 배운 Cramer’s Rule을 이용하여 아래 3차 연립방정식의 해가 존재 하는지를 판별하고, 해가 존재 한다면 그 해를 구하는 프로그램을 배열을 사용하여 작성하라.

 

 

2022 년 1월 1일이 토요일임을 참고하여 4522년 1월 1일은 무슨요일인지 계산하여 출력하는 코드를 작성하시오. 

 

 

 

sin x 는 아래와 같은 무한급수로 근사할 수 있다. x= 30, n=10 일때 결과를 계산하고, 내장함수를 사용한 결과와의 차이를 계산하여 출력하는 코드를 작성하시오. (내장함수 결과 - 근사결과) 

 

 

어느 마트의 어떤 주 토요일과 일요일 공기청정기, 에어컨, 냉장고, 노트북의 판매 수량은 아래 표1와 같다. 각 제품의 단가와 이익은 표2와 같다. 토요일과 일요일의 판매 수량의 합계와 수입 합계를 구하고, 아래 형식으로 출력하시오. 

 

 표1 판매수량
PRO_A PRO_B PRO_C
토요일 5 1 4
일요일 6 2 3

 

 표2 단가와 이익
UNIT (만원) PROFIT (만원)
공기청정기 50 10
에어컨 100 30
냉장고 200
50

 

아래 3 x 3 정방행렬 A와 B를 곱하는 프로그램을 작성하고 아래와 같이 출력하는 코드를 작성하시오.

 

 

 

728x90
반응형
728x90
반응형

다음 선언에 대한 각 출력 결과는 ?

integer :: i, m=3, n=7

real, dimension(8) :: a=(/0.0, 1.1, 2.2, 3.3, 4.4, 5.5, 6.6, 7.7/), &

                      b=(/ (16.0*2**i, i=0,7) /), c

integer, dimension(0:7) :: d=(/ (i+5, i=0,5), 1, 2 /)

real, dimension(0:7) :: e

real, dimension(100:107) :: g

 

 

1)  a(3:7)         ?

2)  a(1:8:2)      ?

3)  d(m:n:m)    ?

4)  b(n:m)           ?

5)  c=a+2*b         ?

6)  e=real(d)+5     ?

 

 

아래 역행렬 구하는 코드를 작성해 봅시다. 

 

아래 문양이 출력되는 프로그램을 작성하시오. 반드시 character 변수와 do 반복문을 사용하시오. 

 

 

 

 

그 외 교재 참조

728x90
반응형
728x90
반응형

배열

1차원 배열

2차원 배열

 

 

 

728x90
반응형
728x90
반응형

XGBOOST 작업 중 모델링 시간 측정 코드

# ## 4.4.4 시간 측정 (115)
# from sklearn.ensemble import GradientBoostingClassifier
# from xgboost import XGBClassifier
# from sklearn.metrics import accuracy_score
# import time

# start = time.time()
# df.info()
# end=time.time()
# elapsed = end - start
# print('\n실행시간: ' + str(elapsed) + '초')

# ## 4.4.5 속도비교(152)
# %timeit -n 100 -r 3 sum(np.square(range(10000)))
# %%timeit -n 100 -r 3
# summing = 0
# for i in range(10000):
#     summing += i**2
# ## 그레디언트 부스팅 분류
# # 모델크기 제한을 위해서 max_depth =2, n_estimator=100 으로 설정
# start = time.time()
# gbr = GradientBoostingClassifier(n_estimators = 100, max_depth = 2, random_state=2)
# gbr.fit(X_train, y_train)
# y_pred = gbr.predict(X_test)
# score = accuracy_score(y_pred, y_test)
# print('점수: ' + str(score))
# end = time.time()
# elapsed = end-start
# print('실행시간: ' + str(elapsed) + '초')
## XGB 분류
# ### 부스팅 분야에서 타의 추종을 불허하는 속도를 보이는 모델. GPU_0에서 30배 빠름
# start = time.time()
# xg_reg = XGBClassifier(n_estimators=100, max_depth=2, use_label_encoder=False)
# xg_reg.fit(X_train, y_train)
# y_pred = xg_reg.predict(X_test)
# score = accuracy_score(y_pred, y_test)
# print('점수 : ' +str(score))
# end = time.time()
# elapsed=end-start
# print('실행 시간: ' +str(elapsed) + '초')
728x90
반응형

728x90
반응형

At-A-Glance

  • 나이브 베이즈 vs. 의사결정나무 
  • Phen 자료 제외
  • 1,2 시간 전 자료 모두 사용한 경우 
  • 1 시간 전 자료만 사용한 경우

나이브 베이즈

1,2 시간 전 자료 모두 사용

             precision    recall  f1-score   support

           0       0.98      0.69      0.81     10479
           1       0.17      0.90      0.29       193
           2       0.36      0.69      0.47      2480

    accuracy                           0.69     13152
   macro avg       0.50      0.76      0.52     13152
weighted avg       0.85      0.69      0.74     13152

1시간 전자료만 사용

               precision    recall  f1-score   support

           0       0.94      0.83      0.88     10479
           1       0.21      0.80      0.34       193
           2       0.47      0.60      0.53      2480

    accuracy                           0.79     13152
   macro avg       0.54      0.74      0.58     13152
weighted avg       0.84      0.79      0.81     13152

 

 

의사결정나무

1,2 시간 전 자료 모두 사용

               precision    recall  f1-score   support

           0       0.94      0.93      0.94     10479
           1       0.63      0.66      0.64       193
           2       0.70      0.72      0.71      2480

    accuracy                           0.89     13152
   macro avg       0.76      0.77      0.76     13152
weighted avg       0.89      0.89      0.89     13152

1시간 전 자료만 사용

               precision    recall  f1-score   support

           0       0.95      0.93      0.94     10479
           1       0.60      0.59      0.59       193
           2       0.70      0.74      0.72      2480

    accuracy                           0.89     13152
   macro avg       0.75      0.75      0.75     13152
weighted avg       0.89      0.89      0.89     13152

 

 

 

728x90
반응형
728x90
반응형

At-A-Glance

  • 나이브 베이즈 vs. 의사결정나무 
  • Phen 자료 포함
  • 1,2 시간 전 자료 모두 사용한 경우 
  • 1 시간 전 자료만 사용한 경우

나이브 베이즈

 

1,2 시간 전 자료 모두 사용

               precision    recall  f1-score   support

           0       0.99      0.84      0.91     10479
           1       0.59      0.99      0.74       193
           2       0.58      0.90      0.70      2480

    accuracy                           0.86     13152
   macro avg       0.72      0.91      0.78     13152
weighted avg       0.90      0.86      0.87     13152

 

1시간 전자료만 사용

 

               precision    recall  f1-score   support

           0       0.98      0.86      0.92     10479
           1       0.59      1.00      0.74       193
           2       0.60      0.87      0.71      2480

    accuracy                           0.86     13152
   macro avg       0.72      0.91      0.79     13152
weighted avg       0.90      0.86      0.87     13152

 

의사결정나무 

1,2 시간 전 자료 모두 사용

               precision    recall  f1-score   support

           0       0.96      0.95      0.96     10479
           1       0.77      0.70      0.73       193
           2       0.79      0.82      0.81      2480

    accuracy                           0.93     13152
   macro avg       0.84      0.82      0.83     13152
weighted avg       0.93      0.93      0.93     13152

 

1시간 전 자료만 사용

               precision    recall  f1-score   support

           0       0.96      0.95      0.95     10479
           1       0.79      0.78      0.78       193
           2       0.77      0.80      0.79      2480

    accuracy                           0.92     13152
   macro avg       0.84      0.84      0.84     13152
weighted avg       0.92      0.92      0.92     13152

 

 

 

728x90
반응형
728x90
반응형

포트란 프로그래밍

예제로 배우는 입출력문 서식

 

내용

read 문

print 문

write 문

format 문

 

* 포트란 외부 파일 입출력문은 별도 강좌에서 다룸

728x90
반응형

728x90
반응형

과제

 

1. 1에서 2000까지 솟수를 찾아 출력하시오. 

 

2.  F = 1 + (1+2) + (1+2+3) + ... + (1+2+3+ ... + 15) 의 값을 구하는 코드

 

 

3. {12.3, 5.2, 6.8, 27.1, 22.5, 1.8, 5.4, 78.2, 15.4, 62.5, 1.1, 8.6, 4.5, 44.4, 22.2, 33.2, 5.4, 1.8} 를 (1) 오름차순, (2) 내림차순으로 정렬하고 출력하시오. 

 

 

4.  y = -x2 + 8 x -12 의 최대값 구하는 코드를 작성하시오.

5. y= x2 - 9 의 최소값 구하는 코드를 작성하시오.

6. x가 [0,5] 구간에 존재할 때, y = x3 - 6x2 + 8x 의 최대값과 최소값을 구하는 코드를 작성하시오. 단 x의 간격은 0.1로 한다. 

7. 6과 8의 최소 공배수를 구하는 코드를 내장함수를 사용하지 않고 작성하시오. 

 

8. 18와 8의 최대 공약수를 구하는 코드를 내장함수를 사용하지 않고 작성하시오. 

9. {132, 278, 98, 323, 119, 296} 중 최대값을 출력하는 코드를 내장함수를 사용하지 않고 작성하시오.

 

10. {986, 376, 271, 688, 998, 523} 중 최소값을 출력하는 코드를 내장함수를 사용하지 않고 작성하시오. 

 

11. {2.8, 3.6, 9.8, 12.6, 13.8, 16.9, 33.2, -6.3, 29.1, -23.1, 99.1, -93.6} 중 음수를 뽑아 출력하는 코드를 작성하시오. 

728x90
반응형

728x90
반응형

https://www.youtube.com/watch?v=3vzP0kWm-AQ 

 

728x90
반응형
728x90
반응형

 

https://www.youtube.com/watch?v=PtavJ3Tt9XE 

 

 

728x90
반응형
728x90
반응형

 

 

 

https://www.youtube.com/watch?v=pRZgNGXmQoQ 

 

728x90
반응형
728x90
반응형

 

 

https://www.youtube.com/watch?v=uk9Fyw2Okyw 

 

https://www.youtube.com/watch?v=FHj71X_k8h0 

 

728x90
반응형
728x90
반응형

 

 

https://www.youtube.com/watch?v=itnYTE-3u-o 

 

https://www.youtube.com/watch?v=kSzuXA7oQ68 

 

728x90
반응형

+ Recent posts