이것저것 (3) 썸네일형 리스트형 라이다 vs 레이더 라이다 : 레이저(빛)을 매개체로 삼음 레이더 : 전파를 매개체로 삼음 라이다 vs 레이더 1. 정밀도 : 라이다 win - 라이다는 거리를 비롯해 폭, 높낮이 정보까지 측정 (3차원으로 인식) - 도로환경 3D맵핑에도 용이함 - 레이더는 정확한 형체까지는 인식불가 2. 가성비 : 레이더 win - 라이다는 비쌈 3. 외부환경 극복 : 레이더 win - 레이더는 라이더에 비해 악천우에 강함 - 전파의 경우 광파에 비해 물체에 닿았을 때 흡수되는 정도가 작기 때문 코딩테스트 문제유형 빠르게 파악하기 1. 입출력 제한으로 문제유형 파악하기 "문제를읽기 전 입출력 제한을 잘 살펴보자" 밑의 알고리즘이 결정적인 것은 아니고 그럴 확률이 매우 높다는 것을 의미 입력이 100이하인 경우 완전탐색 백트래킹 입력이 10,000 이하인 경우 최대 $O(n^{2})$이내로 끝내야 하는 문제 문제에 따라 $O(n^{2} log n)$까지는 허용 n * n 2차원 리스트를 모두 순회해야하는 문제가 多 입력이 1,000,000 이하인 경우 최대 $O(n log n)$으로 끝내야하는 문제 힙, 우선순위 큐 정렬 동적 계획법 위상 정렬 다익스트라 알고리즘 입력이 100,000,000 이하인 경우 최대 $O(n)$으로 끝내야하는 문제 동적 계획법 그리디 그 이상인 경우 최대 $O(logn)$으로 끝내야하는 문제가 많음 거의 .. 정규화(Normalization) vs 표준화(Standardization) * 스케일링이 모델에 영향을 주는가? - 트리모델의 경우 변수 하나를 기준으로 분기점을 잡으므로 스케일의 영향을 받지 않는다. - 하지만 기울기를 업데이트 하는 식으로 작동하는 알고리즘의 경우 영향을 크게 받는다. (Linear, Logistic, neural network, KNN, K-means, SVM 등) 정규화(Normalization) - 데이터가 정규분포(가우시안 분포)를 따르지 않을 때 - 분포에 대한 가정이 필요없는 알고리즘을 사용할 때 (KNN, Neural Network 등) 표준화(Standardization) - 데이터가 정규분포(가우시안 분포)를 따를 때 유용하다 - 하지만 정규분포를 따르는 것이 필수적이지는 않음. - 정규화와 달리 표준화는 경계범위를 가지지 않기 때문에 이상치.. 이전 1 다음