Family in August

파이썬으로 "조합" 문제 풀이 문제 설명 n개의 고유한 숫자로 이루어진 배열 nums와 정수 k가 주어졌을 때, [1,2,...,n]에서 k개를 뽑아 만들 수 있는 모든 조합을 오름차순으로 반환하는 프로그램을 작성하세요. 제약 조건 - 1

파이썬으로 "세 수의 합" 문제 풀이 문제 설명 정수 배열 nums가 주어졌을 때, 합이 0이 되는 세 정수의 삼중쌍을 모두 찾아 리스트 형태로 반환하는 프로그램을 작성하세요. 제약 조건 - 3 ≤ nums.length ≤ 3000 - -105 ≤ nums[i] ≤ 105 예시 입출력 - nums = [-1,0,1,2,-1,-4] → [[-1,-1,2],[-1,0,1]] - nums = [] → [] - nums = [0] → [] 솔루션 코드 def three_sum(nums): res = [] nums.sort() # 정렬 for i in range(len(nums)-2): # 중복 건너뛰기 if i > 0 and nums[i] == nums[i-1]: continue left, right = i+1..

파이썬으로 "주식 사고팔기 가장 좋은 시점" 문제 풀이 문제 설명 주식 가격의 변동이 배열 prices로 주어졌을 때, 최대 이익을 거둘 수 있는 최적의 단일 매매 기회를 찾아 이익금액을 출력하는 프로그램을 작성하세요. 제약 조건 - 1

파이썬으로 "두 정렬 리스트의 병합" 문제 풀이 문제 설명 정렬된 연결 리스트 l1과 l2가 주어졌을 때, 이 두 리스트를 병합하여 정렬된 새 연결 리스트를 반환하는 프로그램을 작성하세요. 제약 조건 - 두 리스트의 노드 수는 0 이상 50 이하입니다. - -1,000 ≤ Node.val ≤ 1,000 예시 입출력 - l1 = [1,2,4], l2 = [1,3,4] → [1,1,2,3,4,4] - l1 = [], l2 = [] → [] - l1 = [], l2 = [0] → [0] 솔루션 코드 class ListNode: def __init__(self, val=0, next=None): self.val = val self.next = next def merge_sorted_lists(l1, l2): d..

파이썬으로 "유효한 팰린드롬" 문제 풀이 문제 설명 영문 문자와 숫자로만 이루어진 문자열 s가 주어졌을 때, 대소문자를 구분하지 않고 알파벳과 숫자만 고려했을 때 s가 팰린드롬이면 True, 아니면 False를 출력하는 프로그램을 작성하세요. 제약 조건 - 1

리스트 뒤집기 - 파이썬으로 "배열 뒤집기" 문제 풀이 문제 설명 정수가 담긴 리스트 nums가 주어지면, 이를 역순으로 뒤집어 출력하는 프로그램을 작성하세요. 제약 조건 - 1 ≤ nums의 길이 ≤ 100 - -100 ≤ nums[i] ≤ 100 예시 입출력 - nums = [1, 2, 3] → [3, 2, 1] - nums = [4, 3, 5, 1, 2] → [2, 1, 5, 3, 4] 솔루션 코드 def reverse_list(nums): start = 0 end = len(nums) - 1 while start < end: nums[start], nums[end] = nums[end], nums[start] start += 1 end -= 1 return nums # 테스트 print(rever..

코딩 테스트 대비! 파이썬으로 "두 수의 합" 알고리즘 문제 풀이 이번에 소개할 알고리즘 문제는 "두 수의 합"입니다. 정렬된 배열과 타겟 숫자가 주어졌을 때, 배열 내 두 수의 합이 타겟 숫자가 되는 인덱스 pair를 찾는 문제입니다. 문제 설명 정수 배열 nums와 정수 target이 주어질 때, nums에 있는 두 개의 인덱스를 찾아 nums[i] + nums[j] == target이 되는 값을 출력하라. 제약 조건 - 2 ≤ nums.length ≤ 104 - -109 ≤ nums[i] ≤ 109 - -109 ≤ target ≤ 109 - 정확히 하나의 솔루션만 존재함 예시 입출력 - nums = [2,7,11,15], target = 9 → [0,1] - nums = [3,2,4], target..

상품간의 연관도와 유사도를 파악하기 위해서는 추천 시스템을 구축하는 것이 좋습니다. 추천 시스템은 사용자가 선호하는 아이템을 예측하고 추천하는 시스템으로, 일반적으로 Collaborative Filtering, Content-Based Filtering, Hybrid Filtering 등의 방법이 사용됩니다. 먼저 Collaborative Filtering은 사용자들의 과거 구매 기록이나 선호도를 바탕으로 비슷한 취향을 가진 사용자끼리 그룹을 지어 추천하는 방법입니다. 이 방법은 사용자 간의 유사도 측정을 위해 Cosine Similarity, Pearson Correlation 등의 알고리즘이 사용됩니다. 두 번째 Content-Based Filtering은 상품의 특징을 분석하여 사용자의 선호도와 일..

밴딧 알고리즘 개념 밴딧 알고리즘(Bandit Algorithm)은 기계 학습의 분야 중 하나로, 이산적인 선택들 중 어떤 선택이 가장 좋은 보상을 가져올지를 찾는 문제를 해결하는 알고리즘입니다. 밴딧 알고리즘은 매 시도마다 일정한 보상을 제공하는 슬롯 머신(Slot Machine)이라는 가상의 기계에서부터 시작합니다. 이 슬롯 머신은 여러 개의 손잡이 중에서 하나를 선택하면 그에 따라 일정한 확률로 보상을 줍니다. 밴딧 알고리즘은 이 슬롯 머신에서 가장 좋은 보상을 가져올 손잡이를 찾는 문제를 푸는 것입니다. 이를 위해서는 일단 여러 가지 손잡이 중 하나를 무작위로 선택하여 보상을 받고, 이를 이용해 손잡이마다의 보상 기대값을 추정합니다. 추정한 보상 기대값을 바탕으로 보상 기대값이 가장 높은 손잡이를..

Bagging과 Boosting은 모두 앙상블(Ensemble) 기법으로, 여러 개의 모델을 결합하여 더 나은 성능을 내는 방법입니다. 그러나 이 두 알고리즘은 차이가 있습니다. Bagging (Bootstrap Aggregating)은 각각의 모델이 독립적으로 학습하고 예측합니다. 이를 위해 데이터셋을 여러 부분집합으로 나누어 각 모델이 부분집합에 대해 학습하고, 각 모델의 예측 결과를 평균 또는 다수결 등으로 결합합니다. Bagging은 모델 간의 상관관계를 줄이기 때문에 과적합(Overfitting)을 줄일 수 있으며, 예측 성능이 안정적입니다. 대표적인 Bagging 알고리즘으로는 랜덤 포레스트(Random Forest)가 있습니다. Boosting은 각 모델이 이전 모델이 잘못 예측한 샘플에 가..