분류 전체보기

개요 Git을 사용해서 협업하다보면 개인의 로컬 브랜치에서 작업을 하고, 최종 브랜치에서 Merge로 병합해서 관리한다. 그런데 최근 병합한 커밋 내역 관리가 어렵다고 생각하던 중, Squash / Rebase 라는 기능을 알게 되어 내용을 정리하고 공유하고자 한다. 이 게시글에서 사용하는 모든 그림은 https://im-developer.tistory.com/182 여기에서 너무 잘 정리해놓으셨길래 참고했다. 예시로 사용할 브랜치명은 개인 브랜치는 my-branch, 최종 브랜치명은 master 이다. Merge 명령어 : git merge my-branch Merge 는 주로 사용하는 브랜치 병합 기법으로, 병합하려는 브랜치의 변경내역을 현재 브랜치의 커밋내역에 모두 합치는 방법이다. 아래 그림과 같..

개요 String형 변수에 특정 문자/문자열이 포함되어 있는지 확인할 때는 indexOf 또는 contains 메소드를 사용한다. String str1="a@123@b"; // indexOf System.out.println(str1.indexOf("@123@")>-1); System.out.println(str1.indexOf("@123@")); // contains System.out.println(str1.contains("@123@")); contains 와 indexOf 비교 contains 메소드는 특정 문자/문자열이 포함되어 있는지 여부를 확인하는 메소드라면, indexOf 메소드는 찾는 문자/문자열의 위치를 확인할 수 있는 메소드이다. 각각의 결과값 아래와 같다. 1. contains - ..

개요 mysql에서는 특정 컬럼의 null값 방지를 위해 IFNULL이라는 함수를 종종 사용하는데, 간혹 NULLIF 라는 함수와 이름이 비슷해서 잘못 사용하는 경우가 있다. 두개의 함수는 서로 명칭은 비슷하지만 사용 목적이 다르다. 차이점 IFNULL은 특정 컬럼이 NULL인 경우를 특정 값으로 대신 리턴하기 위한 함수라면, NULLIF는 두개의 인자값이 같은지 확인해서 같으면 NULL을 리턴하는 함수이다. IFNULL(A,B) : A가 null값이면, B를 반환 NULLIF(A,B) : A == B 인 경우 null 반환하고 A!=B 이면 A 반환 예시 NULLIF 두개의 값이 같으면 NULL을, 아니면 첫번째 값을 반환 IFNULL 첫번째 값이 NULL이면 두번째값을 반환, NULL이 아니면 첫번째..

Mybatis의 Collection 기능 1:1 관계를 맺고 있는 테이블에서는 JOIN 하여 두 개의 테이블 레코드를 한번에 조회 할수 있다. 하지만 1:N 관계의 테이블에서 JOIN하여 레코드를 조회하려고 할 때 1개의 레코드를 가지는 테이블의 정보는 모두 조회되지만, N개의 레코드를 가지는 테이블의 정보는 첫번째 값만 조회되거나 오류가 발생한다. N개의 레코드 모두 조회하고 싶은 경우에는 Mybatis에서 제공하는 resultMap에 collection기능을 사용하면 된다. 예시 사용자(1)가 구매한 상품 내역(N)을 조회하는 예시로 collection 사용방법을 알아보자. 기존 방법 테스트용 테이블로 user 테이블과 buy_item 테이블이 있다고 했을때, collection을 사용하지 않는다면 ..

모델 성능 평가 본 프로젝트에서는 분류 모델에서 많이 사용되는 AUROC 평가 지표를 사용해 학습이 완료된 모델의 성능을 평가했다. AUROC에 대해 설명하려면 ROC Curve에 대해 알아야 한다. ROC 곡선 임계값을 변경해가며 데이터에 대한 이진분류기의 성능을 하나의 그래프로 표시한 것으로 각 X, Y축은 아래와 같다. X축 : 실제 정상 데이터를 이상 데이터로 예측한 비율 FPR(False Positive Rate) Y축 : 이상 데이터를 이상 데이터로 정확하게 예측한 비율 TPR(True positive rate) 출처 : https://www.google.com/url?sa=i&url=https%3A%2F%2Fbioinformaticsandme.tistory.com%2F328&psig=AOvV..

LSTM AE 모델 구성 본 프로젝트에서 구현한 LSTM AE 모델의 2개의 인코더 계층과 디코더 계층으로 구성했다. 계층 별 은닉층 개수 최종 모델 구성 학습 파라미터 - Optimizer : Adam - Activation Function : relu - Loss Function : MSE - Batch Size : 32 - Epochs : Keras의 EarlyStopping Callback 함수 학습 과정 본 연구는 Geforce RTX 2080 GPU 환경에서 수행되었으며, Keras 2.3 버전 기반으로 학습되었다. 1) 정상 데이터인 훈련 데이터로 모델을 학습시킨다. 2) 검증 손실값이 5회 이상 감소하지 않는다면 학습을 종료함. 3) 학습이 종료되면 시각화하여 결과를 확인한다. 임계값(Th..