최말짱 블로그

TabNet Deep Learning for Tabular data Tree 기반 모델의 feature selection 특징을 네트워크 구조에 반영한 딥러닝 모델 가공하지 않은 Raw data에서 gradient를 기반한 최적화를 사용함으로써 End-to-End 학습을 실현 Sequantial attention mechanism을 사용하여 모델의 성능과 해석 용이성을 향상 ⇒ 이전 단계 학습 결과가 다음 단계 Mask 학습에 영향을 주는 연결 구조 특징 Sequential Approach 모델을 반복 연결하여 잔차를 보완하는 gradient boosting이 연상되는 구조 Feature selection feature transformer와 attentive transformer 블록을 통과하여 최적 ..

보호되어 있는 글입니다.

GWAS란? GWAS란? 📘 유전자와 연관된 형질을 찾는 하나의 탐색 방법 전장 유전체 연관 분석 (Genome Wide Association Study; GWAS) Genome Wide = 전장 유전체 : 모든 유전체 위치에 대해서 Association Study = 연관 분석: 관심을 가진 형질(Target phenotype)과 연관성을 갖는 유전적 위치를 찾는다. 개념 일반적으로 **Case (관심 형질을 가진 집단; 환자군)**와 **Control (형질을 갖지 않는 집단; 정상군)**의 유전 정보를 서로 비교하여 → case에서 더 많은 빈도를 갖는 = 연관성을 가진 유전자를 찾는다. 무수히 많은 형실이 어떤 유전자와 관련되어 있는지 실험적으로 찾는 것은 정말정말 어렵다 ! ⇒ GWAS는 모든 ..

설명 MIMIC-III의 약자 = Medical Information Mart for Intensive Care III Beth Israel Deaconess Medical Center 중환자실에서 발생한 데이터를 MIT에서 정리하고 개발 2001년부터 2012년까지 약 4만 명 이상의 비식별 보건의료 데이터를 포함 중환자실에 머물렀던(ICU Stays, Intensive Care Unit Stays) 총 61,532명의 환자 성인 53,432명 + 영아 8,100명 인구통계학(demographics), 활력 징후(vital sign), 실험실 결과, 처방전, 간병인 메모, 이미지 기록, 사망 여부 등의 데이터를 포함 다운로드 방법(승인 절차를 거쳐야 함) https://www.notion.so/2-2-..

https://bioinformaticsandme.tistory.com/328 AUC-ROC 커브 AUC-ROC 커브 StartBioinformaticsAndMe 1. AUC - ROC Curve?: AUC-ROC 곡선은 다양한 임계값에서 모델의 분류 성능에 대한 측정 그래프임*ROC(Receiver Operating Characteristic) = 모든 임계값에서 분류 모델의 성능을 보여 bioinformaticsandme.tistory.com

https://www.codestates.com/blog/content/%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D%EA%B0%9C%EB%85%90 인공지능·머신러닝·딥러닝 차이점은?ㅣ개념부터 차이점까지 총 정리 인공지능 챗봇부터 자율 주행 자동차까지, 우리 주변에서 널리 활용되고 있는 머신러닝, 딥러닝 기술의 개념과 역사, 포함관계 및 차이점을 알기 쉽게 정리해 드립니다. 머신러닝의 학습 방법인 www.codestates.com

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

Lambda 함수 - 함수를 한 줄로 표현하는 익명 함수 기법이다 ! # 일반 함수 표현 def test(x,y): return x+y # Lambda 함수 표현 f1 = lambda x,y:x+y Lambda 정렬기준에 응용하기 !! - key 값을 기준으로 정렬되고 기본값은 오름차순 - 정렬을 목적으로 하는 함수를 값을 넣는다 l = ['apple','banana','good'] # 단어의 길이를 기준으로 정렬하기, key값에 len 넣어주기 ! print(sorted(l, key=len)) # ['good','apple','banana'] 출력 # 단어의 각각 1번째 인덱스를 기준으로 정렬하기 print(sorted(l, key=lambda x:x[1])) # ['banana','good','app..