기본 콘텐츠로 건너뛰기

기록

DB에 저장해야 할 데이터
작성자, 작성일, 제목, 내용, 파일명, 파일사이즈

- 글 작성시 첨부파일 없다면? -> 컬럼값이 비어 있게 된다
- 원자성 : 한개의 컬럼에는 한개의 값만 저장해야 한다

board(글번호, 작성자, 작성일, 제목, 내용)
attach(글번호, 첨부번호, 파일명, 파일사이즈)

글 한개를 저장할 때 첨부파일이 2개 포함된 경우
board 테이블에 한 행 추가(글 번호1)
attach 테이블에 2개 행 추가(글 번호1, attnum(1), attnum(2))

DB Normalization(정규화)
- 무결성 확보
제 1 정규형(원자성) // 한 개의 컬럼에는 한 개의 값만 넣는다
제 2 정규형(PK가 다수개의 컬럼을 구성된 경우(복합키)에 적용)
    - PK에 모든 다른 속성이 종속되어야 한다
    - PK의 일부에 종속되는 경우(부분함수 종속성)가 없어야 한다
제 3 정규형
    - PK 외의 속성에 다른 속성이 종속되는 경우(이행함수 종속성)가 없어야 한다

종속성 : 어떤 속성 'A'를 알면 다른 속성 'B'의 값이 유일하게 정해지는 관계
- 주민번호를 알면 그 사람의 이름은 유일하게 정할 수 있다
- 주번, 이름, 학과, 교수명, 과목 (테이블 내에 서로에 대해 종속성이 없어야 한다)

오라클,MyBatis 패턴검색
- SELECT * FROM emp WHERE ename LIKE '%sm%' // 부분 일치 검색(패턴검색)
- SELECT * FROM WHER ename='sm' // 완전 일치 검색 sql 표준
- ename LIKE '%' || #{pattern} || '%'
라벨:

이 블로그의 인기 게시물

Blogger

코드 하이라이트 사이트 http://hilite.me/ 코드 <!-- 나만의 공간 --> <style id='daru_css' type='text/css'> .code {      overflow: auto;      height: 200px;      background-color: rgb(239,239,239);      border-radius: 10px;      padding: 5px 10px; } .code::-webkit-scrollbar-thumb {      background-color: grey;      border: 1px solid transparent;      border-radius: 10px;      background-clip: padding-box;   } .code::-webkit-scrollbar {      width: 15px; } </style> <!-- 나만의 공간 -->
더보기

Python 인공신경망 추천 시스템(회귀)

예제 # 인공신경망을 이용한 추천 시스템 # - 순차형(Sequential) 신경망 생성법 # - 함수형(Functional) 신경망 생성법 # - 지금까지 나온 추천 방식 중에서 가장 좋은 성능 # - Regression 방식으로 분석가능 # - 영화의 평점 정보(userid, movieid, rating) # - 이용자는 영화에 대한 취향이 모두 다르다 # - 영화는 다양한 장르가 혼합되어 있다 # - 이용자는 자신의 취향에 맞는 영화에 높은 rating을 제시함 # - 어떤 이용자에게 어떤 장르의 영화를 추천할 것인가? # __call__() 함수를 가진 클래스는 파이썬 함수 callable(클래스)를 사용하면 True를 반환한다 from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Embedding, Input input = Input(shape=(1,)) # 함수형 신경망 생성법 hidden1 = Dense(2, activation='relu')(input) # Dense(2, activation='relu')__call__() hidden2 = Dense(2, activation='relu')(hidden1) # callable.object callable(Dense) # __call__ 함수가 있으면 True, 없으면 False # Using Functional API from keras.models import Sequential from keras.layers import * model = Sequential() model.add(Input(shape=(3,))) # Input tensor model.add(Dense(4)) # hidden layer 1 model.add(Dense(units=4)) # hidden layer 2 model.add(Dense(units=1)) # ou...
더보기

Python Sklearn make_blobs

from sklearn.datasets import make_blobs 예제 X, y = make_blobs(n_samples=500, centers=3, n_features=2, random_state=0) # 500개의 점을 3개로 모이게 한다, 변수는 2개, 무작위 상태는 0 X.shape, y.shape # ((500, 2), (500,)) plt.scatter(X[:,0],X[:,1],c=y,s=5) plt.show() # 학습 데이터 나누기 from sklearn.model_selection import train_test_split x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=.25, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # ((375, 2), (125, 2), (375,), (125,)) # 지도 학습 하기 from sklearn.linear_model import LogisticRegression logisticReg = LogisticRegression(max_iter=5000) # 기본 반복 100 logisticReg.fit(x_train, y_train) # 추정하기 pred = logisticReg.predict(X) # 결정계수 logisticReg.score(x_test, y_test) # 0.92 # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 # 산점도 plt.figure(figsize=(10,4)) plt.subplot(1,2, 1) plt.scatter(X[:,0],X[:,1],c=y) plt.title('정답') plt.su...
더보기