마크다운은 매우 편리하게 문서를 작성해 주는 도구이다. 특히 github 문서를 작성할 때 매우 용이하며 다음과 같은 기능을 제공한다.


참고로 underline은 존재하지 않는데, 그 이유는 아마도 hyperlink랑 구분하기 위해서로 추정된다.




# 큰 제목

## 그다음 큰 제목

### 그다음 큰 제목

....

###### 제일 작은 제목


- 글머리기호

1. 숫자 기호


하이퍼링크(단축키 컨트롤+k): [GitHub](http://github.com)

엔터 2번: 문단나누기


* 기울기 *

** 굵게 **

*** 기울고 굵게 ***

~~ 취소선 ~~



다른 github issue 태깅하기 : # 하고 선택해서 태깅


space 3번(   ): 문단 들여쓰기(Indentation)



> : 이메일에서의 문단 인용



*** : 수평선 생성



` 단순한 코드 블록 `



``` python

파이썬 코드를 인식하여 highlighting이 되는 코드 블록

```



* 체크리스트

- [ ] : will do

- [x] : done




* 테이블은 | 와 --- 2가지를 이용함

| Tables | Are | Cool |
| --- |---| --- |
| col 3 is | right-aligned | $1600 |
| col 2 is | centered | $12 |
| zebra stripes | are neat | $1 |



https://github.com/adam-p/markdown-here/wiki/Markdown-Cheatsheet

https://gist.github.com/ihoneymon/652be052a0727ad59601

https://guides.github.com/features/mastering-markdown/

신고

'연구' 카테고리의 다른 글

Github Markdown 사용법  (0) 2017.08.21
Tex, LaTeX, Lyx  (0) 2015.08.10
논문 작성시 저작권의 공정 이용  (0) 2015.08.10
What is Artificial Intelligence and What is Machine Learning?  (0) 2015.03.11
by 곽동현 이스텔리앙 2017.08.21 18:52


# 컨퓨전 매트릭스에서 True/False는 컴퓨터의 판단이 옳았냐 틀렸냐를 의미함.
Positive/Negative는 컴퓨터가 추측한 값이 1이냐 0이냐를 의미함


TP의 경우 1라고 예측했고 그 행동이 True(올바른 판단) 즉, 실제 값은 1임

TN의 경우 0라고 예측했고 그 행동이 True(올바른 판단) 즉, 실제 값은 0임

FP의 경우 1라고 예측했고 그 행동이 False(잘못된 판단) 즉, 실제 값은 0임

FN의 경우 0라고 예측했고 그 행동이 False(잘못된 판단) 즉, 실제 값은 1임


- Precision:      TP / TP+FP

     -> 즉, 컴퓨터가 1이라고 예측한 것 중 실제 값이 1인 것

    (1에 가까울수록 좋다)


- Recall:      TP / TP+FN

     -> 즉, 실제 값이 1인 것 중 컴퓨터가 1이라고 예측한 것

    (1에 가까울수록 좋다)


- Accuracy:     TP + TN / TP+TN+FP+FN

     -> 즉, 전체 경우의 수 중에서 True로 행동한 비율

    (1에 가까울수록 좋다)


- Average Precision: Precision-Recall curve에서 밑면적의 넓이를 계산한 것.
* 주의: AUC와 개념적으로 거의 동일하고, 다만 차이점은 x축과 y축이 조금 다를 뿐임.

마찬가지로 threshold를 바꿈에 따라 변하는 Precision과 Recall의 값을 그래프로 그리고, 이것의 밑넓이를 적분해서 구한것이다.

- Mean Average Precision: AP를 모든 class에 대해서 계산한다음, 그것을 전체 평균낸 것.


https://stats.stackexchange.com/questions/260430/average-precision-in-object-detection
http://darkpgmr.tistory.com/162

https://en.wikipedia.org/wiki/Information_retrieval#Mean_average_precision
https://www.kaggle.com/wiki/MeanAveragePrecision

http://enginius.tistory.com/374



신고

'연구 > Machine Learning' 카테고리의 다른 글

Precision Recall AveragePrecision  (0) 2017.05.31
Jupyter Notebook 5.0  (0) 2017.05.23
Coefficient of Determination(결정계수)  (0) 2017.05.22
Computer Vision Techniques  (0) 2017.03.15
Decision Tree 계열 알고리즘  (0) 2017.02.13
TensorFlow Extreme Performance Tuning  (0) 2017.01.20
by 곽동현 이스텔리앙 2017.05.31 20:28


# Jupyter와 IPython의 관계:
원래는 Jupyter와 IPython은 하나의 프로젝트 였음. 근데 notebook이 엄청 흥하면서 점차 프로젝트의 규모가 커졌음.

이에 Python이 아닌 다른 언어를 지원하기시작하고 더 잦은 업데이트가 필요한데 규모가 너무커서 힘들었음.

그래서 3.0버전까지는 하나의 통합된 IPython만 존재했는데, 이제부터는 쪼개서 jupyter라는 거대한 통합 플렛폼안에

IPython이 들어가는 형식으로 쪼갰음.
http://blog.jupyter.org/2015/04/15/the-big-split/


현재 최신 jupyter notebook은 5.0 버전임.
https://github.com/jupyter/notebook/releases


그리고 이제 기존에 쓰던 IPython은 그냥 내부 파이썬 커널이되었음.
따라서 이제는 jupyter notebook 이라고 불러야함!
http://jupyter-notebook.readthedocs.io/en/latest/



- 설치방법
pip install --upgrade pip

pip install --user notebook

jupyter notebook
(위 명령어에서 에러가 생기면 pip install setuptools==33.1.1 을 실행)

이렇게해서 실행하면, 바로 putty창에 있는 로컬 웹브라우저로 notebook이 실행됨.


- 실행방법
실제로 유용한 퍼블릭 웹서버로 하려면 다음으로해야함

python
from notebook.auth import passwd
passwd()
(Enter password:)
(Verify password:)

출력 예시 --> Out[2]: 'sha1:67c9e60bb8b6:9ffede0825894254b2e042ea597d771089e11aed'
(여기서 작은따옴표 안의 내용을 복사한다.)

jupyter notebook --generate-config
vim ~/.jupyter/jupyter_notebook_config.py

(그다음 vim에서 /password 을 입력하여 #c.NotebookApp.password = 이라는 부분을 찾고, 우측부분에 아까 복사해둔 내용을 붙여넣기하고 #으로 된 주석을 제거한다.)

c.NotebookApp.ip = '*'
c.NotebookApp.open_browser = False
c.NotebookApp.port = 9999

(마찬가지로 위의 3가지 항목도 위와 같이 바꿔준다. 이때 포트번호는 9999대신 다른것을 써도된다.)

그리고나서 다시 다음 명령어를 실행한다

jupyter notebook


그러면 이제 웹서버가 실행이 되었고, 해당 리눅스 서버의 ip:8888로 접속할 수 있다.

* 추가로 screen을 이용해서 백그라운드에서 notebook서버를 돌리는 것과 포트포워딩을 통한 외부망 접속등이 필요할 수가 있다.

http://jupyter-notebook.readthedocs.io/en/latest/public_server.html



신고

'연구 > Machine Learning' 카테고리의 다른 글

Precision Recall AveragePrecision  (0) 2017.05.31
Jupyter Notebook 5.0  (0) 2017.05.23
Coefficient of Determination(결정계수)  (0) 2017.05.22
Computer Vision Techniques  (0) 2017.03.15
Decision Tree 계열 알고리즘  (0) 2017.02.13
TensorFlow Extreme Performance Tuning  (0) 2017.01.20
by 곽동현 이스텔리앙 2017.05.23 20:09

티스토리 툴바