피벗은 원시 데이터의 테이블을 통해 통계 요약 테이블을 만드는 방법이다. Oracle에서는 PIVOT() 함수를 통해서 쉽게 통계요약 테이블을 만들수 있지만 표준 SQL의 기능만으로도 충분히 만들수 있다. 문제 코드 -- 코드를 입력하세요 SELECT o.city, COALESCE(SUM(CASE MONTH(p.paymentDate) WHEN 1 THEN 1 END), 0) '1월', COALESCE(SUM(CASE MONTH(p.paymentDate) WHEN 2 THEN 1 END), 0) '2월', COALESCE(SUM(CASE MONTH(p.paymentDate) WHEN 3 THEN 1 END), 0) '3월', COALESCE(SUM(CASE MONTH(p.paymentDate) WHEN 4..

문제 코드 -- 코드를 입력하세요 WITH RECURSIVE allDates (date) AS ( SELECT '2004-11-01' UNION ALL SELECT date + INTERVAL 1 DAY FROM allDates WHERE date + INTERVAL 1 DAY

문제 내가 작성한 코드 -- 코드를 입력하세요 SELECT orderNo, status FROM s_orders WHERE orderNo = ANY ( SELECT orderNo FROM s_orderDetails WHERE (productCode in ('S10_1678')) AND (productCode in ('S10_4698')) GROUP BY orderNo ) 이 코드의 결과엔 아무 튜플도 포함되지 않았다. 이유는 무엇일까? productCode가 두 개의 값 모두인 주문을 찾으려면, 해당 주문의 상세 내역에서 productCode가 두 개의 값 중 하나씩 포함되는지 확인해야 하지만, 내 코드에서 서브쿼리의 WHERE 절이 제대로 작동하고 있지 않은것이다. 이에 productCode에 두개의 ..

문제: 이미지 픽셀을 변경해주는 함수를 제작해봅시다. 이미지를 Array로 변환합니다. 주어진 시작 좌표와 가로, 세로 길이만큼 원하는 색상으로 변경합니다. 값을 수정한 Array를 이미지로 만들어서 반환합니다. modify_image() 매개변수 이미지: image: PIL.Image() 시작 x좌표: x: int 시작 y좌표: y: int 가로 길이: width: int 세로 길이: height: int 변경할 색상: color: List[int], 반환값 픽셀 변경을 진행한 이미지 내가 처음 작성한 코드 def modify_image(image,x,y,width,height,color) : image_array = np.array(image) image_array[x:x+width][y:y+heig..

학과가 ‘컴퓨터’이고, 학년이 3학년인 학생의 학번과 이름을 검색하세요. 학수번호가 ‘C413’인 과목을 등록하여, 성적 ‘A’를 받은 학생의 이름을 검색하세요. ‘Database’ 과목을 등록한 학생의 이름을 검색하세요. ‘Database’ 과목을 등록하여, 성적 ‘A’를 받은 학생의 이름을 검색하세요. ‘Database’와 ‘화일처리’ 과목을 같이 수강한 학생의 학번을 검색하세요. ‘컴퓨터’ 학과의 3학년 학생들 중에 ‘Database’와 ‘화일처리’을 같이 수강한 학생의 학번을 검색하세요. 학수번호가 ‘C413’인 과목을 등록하지 않은 학생의 이름을 검색하세요. ‘Database’ 과목의 기말시험 평균은? 각 학생의 학번과 기말시험 평균을 구하세요. 단 휴학생(수강 등록을 하지 않은 학생)도 포함하..

이번 글에서는 과거에 다뤘던 데이터를 조금 더 발전된 방식으로 이진 분류를 해보고자 한다. 문제점에 대해서 짚어 보고 그 부분을 커버하는 모델을 만드는 과정을 설명한 생각이다. [파이썬] 클래스가 불균형한 데이터 머신러닝 분류 모델 실습 오늘은 학교 실습 시간에 주어진 데이터를 분류하는 모형을 만들어 보려고 한다. 데이터에 대한 정보를 보고 분류 모델을 설정할 전략을 짜고 실제로 코드를 작성하여 실습하고 수정해 나가는 dd.honeyreviewer.com 윗글은 단순 오버샘플링을 통해 클래스 불균형을 해결한 이후에 각종 분류모델을 앙상블 하여 높은 f1-score를 얻은 과정을 담은 글이다. 위 모델의 문제점은 test 데이터를 통해서는 좋은 성능을 보였지만, 실제 데이터에서는 그 성능이 떨어지는 모습을..