체인의정석

1. input 태그에 onkeyup 이벤트를 발생시킨다. 2. 발생시킨 이벤트에 대한 함수를 정의한다. KeyCode가 13이면 enter를 의미한다. function search_keyword() { if(window.event.keyCode == 13){ let key_search = $("#key_search").val(); console.log(key_search) $.ajax({ type: "POST", url : 'techdemand/key_search', data: key_search, success: function(r){ alert('검색완료.') } }) } } 3. 서버사이드에서 받아와서 쿼리문으로 조회를 한다. IT 유튜브 타임해커 보러가기 www.youtube.com/channe..

정보 조회 페이지를 만들때 우선 다음과 같이 input 태그를 비활성화 시킨다. $(document).ready(()=>{ check(); $("input").attr("disabled", true); }) 우선 위와같이 input태그에 모두 disaled를 달아서 읽을 수만 있게 만들어 둔다. 체크박스를 기본적으로 체크되게 만드려는 경우 다음과 같이 한다. type을 checkbox로 두었고 id를 지정해주었다. value값은 체크가 될 시에 Y가 들어가도록 하였다. 신재품개발 다음과 같이 input태크를 가진것중 id를 따로 선택하고 prop을 사용하여 checked값을 true, false로 바꿔가며 체크하게 한다. $(document).ready(()=>{ $("input").attr("disab..

1. 3항 연산자 활용 3항 연산자는 다음과 같다. 조건 ? 결과1 : 결과2 조건에 맞을 경우 결과 1을 조건에 맞지 않을 경우 결과2의 값이 나오게된다. 이는 값을 체크해서 undefined가 뜰 경우 공백으로 바꾸어 준 후 넘길때 사용할 수 있다. 서버에서 넘겨준 값이 ejs에 있는안에 에러가 날 수 있기 때문에 이때 써주거나 체크박스값을 중복 선택할때 db의 각 칼럼 값이 비는것을 막기위하여 공백으로 써줄대 사용할 수 있다. "company_mailnum":rows[0].company_mailnum == undefined ? "" : rows[0].company_mailnum, 2. 객체로 넘긴 후 바로 사용 페이지 로딩시 데이터가 들어가 있어야 되는 상태라면 data값을 일일히 검사해서 넘길 필..

js grid 에서 rowClick 설정 값을 쓰면 js grid의 한 행을 클릭했을 때 작동할 함수를 쓸 수 있다. rowClick: function(args) { console.log(args) console.log(args.item.demand_idx) sendurl(args.item.demand_idx); }, rowClick안에 들어오는 args값을 콘솔로그로 찍어보면 js grid에 있는 모든 열값을 가져올 수 있다. 여기서 인덱스에 해당하는 정보를 가져온 뒤 이를 통하여 링크로 연결해주는 sendurl함수를 만들어 준다. function sendurl(didx){ location.href = "/techdemand_details?didx=" + didx; }; location.href를 통하..

Uncaught TypeError: $(…).modal is not a function 개발 도중 다음과 같은 에러가 발생하여 modal이 작동하지 않았다. 이 에러의 경우 jquery를 include에서 한번 빼서 썼으나 한번 더 써서 나온 에러로 jquery를 없애고 나니 오류가 해결되었다. jquery를 이처럼 2번 정의하면 오류가 발생하니 유의하는것이 좋을 것 같다. IT 유튜브 타임해커 보러가기 www.youtube.com/channel/UCHsRy47P2KlE749oAAjb0Yg?view_as=subscriber 타임해커 -블록체인/인공지능 -웹개발(프론트/백) -광고(페이스북/구글/네이버) -사업계획서 작성 -비전공생을 위한 IT 공부법 채널이름은 기획,마케팅,개발을 다 같이해서 업무성과를 ..

나이브 베이즈 분류기는 선형 모델과 유사하며 선형 분류기 보다 훈련 속도가 빠르지만, 일반화 성능이 조금 뒤지는 문제가 있습니다. 사이킷 런에서 구현된 나이브 베이즈 분류기는 연속적인 어떠한 데이터에도 적용할 수 있는 GaussinanNB, 이진데이터에 적용할 수 있는 BernoulliNB, 카운트 데이터에 적용되는 MultinomialNB의 3개 입니다. BernoulliNB와 MultinomialNB는 대부분 텍스트 데이터를 분류할 때 사용합니다. BernoulliNB분류기는 다음과 같습니다. X= np.array([ [0,1,0,1], [1,0,1,1], [0,0,0,1], [1,0,1,0] ]) y=np.array([0,1,0,1]) 이진 특성을 4개 가진 데이터 포인트 를 X로 두고 이에 대한 ..

plt.plot(line) 로지스틱 회귀를 제외한 많은 선형 분류 모델은 태생적으로 이진 분류만을 지원합니다. 다중클래스는 지원하지 않습니다. 이진 분류 알고리즘을 다중 클래스 분류 알고리즘으로 확장하는 보편적인 기법은 일대다 방법입니다. 일대다 방식은 클래스의 수만큼 이진 분류가 발생하게 됩니다. 3개의 클래스를 가진 데이터셋에 일대다 방식을 적용해 보겠습니다. from sklearn.datasets import make_blobs X,y = make_blobs(random_state=42) mglearn.discrete_scatter(X[:,0],X[:,1],y) plt.xlabel("특성 0") plt.ylabel("특성 1") plt.legend(["클래스 0", "클래스 1", "클래스 2"])..

로지스틱 회귀 & 서포트 벡터 머신이 가장 널리 알려진 두 개의 선형 분류 알고리즘 일단 아래의 코드는 모든 예제에서 넣어주기로 합니다. from IPython.display import display import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn import sklearn from sklearn.datasets import make_blobs plt.rc('font', family='NanumGothic') plt.rcParams['axes.unicode_minus'] = False 서포트 백터 머신과, 로지스틱 회귀를 비교하기 위해 아래와 같이 설정하였습니다. 여기서 만들어진 경계를 결정 경계라..