Collaborative Filtering (CF, 협업필터링)1) Memory-Based ApproachUser-based Filtering1. 평점 유사도 기반으로 자신과 유사한 사용자를 찾음2. 유사한 사용자가 좋아하는 item 추천 여기서 유사한 정도(거리) 측정 방법은 다양함       - 사용자(행) - 아이템(열) 행렬을 사용함    • 일반적인 거리 측정 방법론       - Cosine Similarity ( 일반적으로 사용되는 유사도 )         사용자 u와 사용자 u′가 같은 방향성을 보고 있지는를 평가함       - Pearson Similarity        평균적인 경향성에서 얼마나 차이가 나는지를 기반으로 함        Centered Cosine Similarity..

1.__len__(self) -> int 이 함수는 클래스 생성자내에서 my_list를 반환해와 len형태로 반환하도록 구현되어있음 -> int와 같이 ->는 사용자나 유지보수하는 다른 사용자들이 메소드의 반환값 타입을 지정하기위해 사용되며, 반환값에 대한 이해도를 올려줌! class MyClass: def __init__(self, my_list): self.my_list = my_list def __len__(self) -> int: return len(self.my_list) my_instance = MyClass([1, 2, 3, 4]) print(len(my_instance)) # 4 2.def __getitem__(self,key) 이 함수의 key 는 인덱스나 슬라이스 객체이다. 객체의 요소..

svs파일은 대용량 병리데이터 이미지로, 대용량인 만큼 다루기힘들다. yolo로 좌표를 학습하여 object Detection하기위해선 몇가지 문제가있다. 1. svs파일의 용량이커서 좌표가있어도, 처리하는데에 많은 프로세스를 먹음 2. 학습하는데있어서, 용량이커서 학습에 지장이있을수 있음. 이러한 문제로 이미지를 분할해서 접근할 것이다. Yolo는 대용량 svs 이미지 파일 형태의 데이터와 geojson 형식의 좌표 데이터를 함께 학습이 가능하지만, 이를 위해서는 몇 가지 전처리 작업과 데이터 변환 작업이 필요함. 데이터 전처리 1. svs 이미지 파일을 적절한 크기로 분할하여 학습 데이터를 생성해야 함. 이를 위해서는 대용량 이미지를 타일(tile)로 나누는 방법을 사용할 수 있음. 예를 들어, op..

Patchify는 큰이미지를 처리하기 위한 라이브러리로, 의료영상에 많이 쓰인다. 1. 원리 2. 인수 !pip install patchify import patchify patchify(image, patch_shape, level) patchify는 리스트 형태에서 numpy형식으로 반환된다. ##save from PIL import Image import numpy as np image = Image.open("your.jpg") patches = patchify(image,(256,256,3),step=256) for patch0 in range(patches.shape[0]): for patch1 in range(patches.shape[1]): patch = patches[patch0,patc..

GeoJSON은 지리적인 데이터를 표현하기 위한 형식 중 하나로, JSON으로 위치 데이터와 속성 데이터를 저장하는 형식이다. geojson의 구조는 다음과같다. { "type": "FeatureCollection", "features": [ { "type": "Feature", "geometry": { "type": "LineString", "coordinates": [ [12955.36, 15843.04], [12955.36, 15843.04], [12952.61, 15834.79], ] }, "properties": { "object_type": "annotation", "classification": { "name": "TP_microvascular proliferation", "colorRGB"..