절대극좌표와 상대극좌표를 같이 사용하면 @N<M과 같이 표기하면 된다. 

표기법은 간단하지만 이해하는 게 어렵다. 

일단 왼쪽 각도를 표기하는 건 60도라는 걸 간단히 알 수 있지만 

가운데 각도는 뭘로 표시해야 될 지 잘 모르겠다

답은 60 + 180 = 240 이다. 

.내가 이해하기로는 축이되는 3시가 이동하면 180도가 추가된다. 

180을 + 한 것 같다. 

'도면 자동화 > 캐드' 카테고리의 다른 글

01. 선 그리기  (0) 2024.01.16

L

초기 점(X,Y)

다음 점

1. 절대좌표: (X,Y)

2.상대좌표: (@X, Y)

'도면 자동화 > 캐드' 카테고리의 다른 글

절대좌표와 상대극좌표  (0) 2024.02.05

정상적으로 Path가 잡혀 있으면 Conda와 VS Code가 연동이 그냥 되어야 하는데

이번에는 연동이 안 되었다. 뭐가 문제인지 살펴보니 Path가 문제이다. 

나는 miniconda를 설치하였으니 miniconda관련 Path를 설정해 주었다. 

Anaconda를 설치 한 사람은 Anaconda관련 경로를 잡아 주면 된다. 

Path에서 경로를 잡아 주면 된다. 

miniconda관련된 경로 3개를 잡아 주면 된다. 

User에 따라 경로는 다 다를 수 있으니 참고

. : 이 시스템에서 스크립트를 실행할 수 없으므로 C:\Users\USER\Documents\WindowsPowerShell\profile.ps1 파일을 로드할 수 없습니다. 자세한 내용은 about_Execution_Policies(https://go.microsoft .com/fwlink/?LinkID=135170)를 참조하십시오.

> 파워쉘에서의 권한 에러

Step 1. 파워쉘 관리자 권한으로 실행

Step2. get-executionPolicy 

: 현재 권한 상태 확인, Restricted이면 로컬에서 스크립트를 실행할 수 없는 상태 인 것. 따라서 VS Code에서 에러가 발생

Step3. 권한을 상승 시켜 줘야 함 

: Set-ExecutionPolicy RemoteSigned

, 권한을 상승 시키면 문제가 발생할 수 있다 어쩌구저쩌구 하는데 별 문제 없을 것이므로 Y

Step4. VS Code 재실행

Anomaly Detection - 이상탐지

이상탐지에는 오토인코더, PCA를 비롯한 다양한 방법론이 있고 최근에는 AutoML로도 탐지 할 수 있지만 이번에 알아 보고자 하는 내용은 쉽게 알 수 있는 비지도 학습의 K means clustering이다.먼저 Kmeans clustering에 대하여 알아 보자. 

1. Kmeans Clustering이란

- Kmeans clustering은 말 그대로 데이터가 모인 라벨을 찾아 내는 알고리즘이다. 단, 비지도 학습으로 데이터에 라벨이 없을 때 해당 라벨을 찾아내는 알고리즘이다. 즉, X → Y' 최적화하는 딥러닝 지도 학습이 아니고 라벨을 모를 때 

1,2,3,4,5 →  A 클러스터

10,20,30,40,50 → B 클러스터 

100, 101, 102, 103, 104 → C클러스터 

이런 방식으로 데이의 패턴을 보고 먼저 학습을 하는 것이다. 그러면 그룹을 할당할 수 있고 해당 그룹에는 중심점이 있다. 예를 들면 1,2,3,4,5에서는 3이 중심점이다. 

이상으로 K means clustering의 설명을 마치겠다. 장단점은 다른 곳에도 설명이 잘 나와 있으니(예. 장점은 구현이 쉽고 단점은 이상치에 변동을 많이 받는 등) 해당 블로그나 논문을 참조하면 될 것이고 이번에는 코드의 구현을 참조 하도록 한다.

2. Kmeans clustering 코드 

2.1 라이브러리 임포트

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

2.2 클러스터 개수 설정 및 데이터 예측

kmeans = KMeans(n_clusters=3, random_state=42)
data['Cluster'] = kmeans.fit_predict(data)

임의로 클러스터의 개수를 설정해주고 데이터를 예측해 준다.(초간단)

2.3 제대로 계산히 되었는 지 검증하기 위해 중심위치와 중심사이즈 계산

 
# Calculating cluster centers
cluster_centers = pd.DataFrame(kmeans.cluster_centers_, columns=data.columns[:-1])
# Calculating cluster sizes
cluster_sizes = data['Cluster'].value_counts().rename('Size').to_frame()

# Printing cluster centers and sizes
print("Cluster Centers:\n", cluster_centers)
print("\nCluster Sizes:\n", cluster_sizes)

 

2.4 시각화(Optional)

plt.scatter(data['LVDT'], data['TEMPERATURE'], c=data['Cluster'], cmap='viridis')
plt.xlabel('LVDT')
plt.ylabel('TEMPERATURE')
plt.title('Cluster Visualization')
plt.show()

모든 값이 0과 1이므로 다음과 같이 나오는 것이 정상

2.5 Scipy의 zscore를 통해 통계적으로 outlier를 계산하여 이상데이터를 계산 

- Zscore: 99.7 %의 값이 Z의 값에 있어야 한다는 것. 그렇지 않으면 이상치로 간주. 

- 이러한 이론에 따라서 다음과 같은 코드를 작성

from scipy.stats import zscore
# Calculating the Z-score for the 'Pump' column
data['Pump_Zscore'] = zscore(data['Pump'])
# Identifying outliers (e.g., using a threshold of 3)
outliers_z = data[abs(data['Pump_Zscore']) > 3]
print("Outliers usi - 이러한 이론에 따라서 다음과 같은 코드를 작성 ng Z-score method:\n", outliers_z)

-3 < Z < 3 사이에 있지 않은 값은 이상 값으로 간주

- 다른 탐지 기술도 그렇지만 실제로 적용 시에는 도메인 지식을 사용하고 회의를 해야 함. 

- 본 예제에서는 다음과 같은 결과 값이 나옴

 

다음에는 오토인코더를 통한 이상탐지를 다뤄보도록한다. 

챌린저스와 어썸뉴스레터 2주간 도전후기

 

- 이번 챌린저스와 어썸뉴스레터에 참여하면서 재테크(주식) 공부도 같이 하게 되어 - 동영상 시청 및 뉴스 시청 등 - 상당한 재테크 지식을 습득하게 되었다. 하지만 현재도 역시 주린이이기 때문에 공부를 계속 정진하도록 하겠다. 특히나 챌린저스에서는 상금을 걸도록 되어 있기 때문에 해당 공부는 거의 반 강제 적으로 이루어지게 되었다. ㅎㅎ

- 물론 큰 금액은 당연히 아니었지만 그래도 자존심(?) 떄문이라도 많이 수행하게 되었다.        

부동산투자

- 부동산은 따로 안 하니 그다지 도움이 사실 되지 않았다. 그리고 지금으로서도 그렇게 현실성이 없다. 그래서 왠지 공부할 때 내가 이걸 왜하고 있나-_-이런 느낌이 들었다. 주로 배운 것은 꼬마빌딩 투자나 윤석열 당선인 관련 투자.

- 솔직히 부동산은 시드도 좀 더 필요하다고 생각된다. 하지만 아직까지 시드가 부족하다. 물론 대출을 받으면 되지만 아직까지는 그런 리스크를 무릅쓰기까지는 싫고 적당한 리스크가 있는 주식투자에 만족하고 싶다. 

- 평가: 보류


 

주식투자

- 주식 투자에는 스테크플레이션과 윤당선인 관련해서 받아봤는데, 일단 테마주 성격이 강한 윤당선인 주식과 스테그 플레이션을 잘 예측해 줬다는 점에서 상당한 점수를 주고 싶지만, 이 정도는 유튜브만 봐도 개인이 알 수 있다는 점에서 마이너스를 주고 싶다. 

- 즉 그다지 도움이 되지 않는다는 것. 물론 2주밖에 보지 않아서 도움이 되는 지 아닌 지 잘 모르겠지만-_-;

- 난 사실 뭔가 좀 더 장기적인 안목에서 전문가들이 얘기해주는 것을 기대했었다. 

- 평가: 2/5

 

총점: 3/5

#어썸인 #경제뉴스레터 #경제뉴스 #투자공부

내년에도 3차례 인상해 강한 긴축
파월 "경기 침체 위험 높지 않아"
대차대조표 축소, 이르면 5월 시작

계속 금리를 인상할 수 있다는 말. 이 말은 부동산 대출 이자도 들어 날 수 있다는 말이다. 

미치겠네-_-

 

 

- 여담이고, 주식투자는 한국투자는 이제 메리트가 별로 없는 것 같다. 왜냐하면 지금까지(코로나 이후)돈을 풀던 미국에서 부채를 모두 상환하라는 의지이기 떄문에 한국은행 역시 돈을 상환해야 하고 최소 미국에서 금리를 올리는 만큼 금리를 올릴 가능성이 있기 때문이다. 

- 당연히 시중에 돈은 줄어 들게 될 것이다. 이에 따라 KOSPI, KOSDAQ시장은 별로 안 좋아 질 수 있다는 말이다. 리스크 관리가 잘 안 되는 나같은 주린이, 초보한테는 별로 안 좋은 소식이다. 차라리 돈이 미국으로 몰리는 NASDAQ을 노려 볼까 생각 중이다. 물려 있는 것만 빼고 돈을 다 빼볼까 생각 중. 일단 그러려면 NASDAQ을 좀 공부해야 하는데 세금 공부도 해야 하고 어쩌나. 

(이는 개인 적인 의견입니다. 유튜브를 참고하였습니다)

포폴 잡기

- 카카오: IT정책 관련 수혜주. 카카오는 폭락 이후 -> 러-우 전쟁 -> 선거전->  8만-10만 왔다갔다하다가 윤석열 당선인이 당선 됬을 때부터 상승세다 8만원에서 거의 11만원까지 상승. 아마 장기적으로는 15만원까지 달성할 거라고 봄.

[그래서 한 번 조정 줄 때 비중을 40%까지 가져 갈 예정]

- 현재 샘표 비중 40%물려 있음. 

- 원전 주는 10% 담아가겠지만 장기적으로 담아가기 보다는 일단 30%정도 수익이 나면 포폴에서 털어 낼 예정 

- 나머지 10%는 레터에는 없는 IT주+안철수 주를 담아갈 예정. 하지만 이건 정치 테마 주인 만큼 장기적으로는 보지 않음. 

- 결과적으로 장기적으로는 20%가 교체 될 것임. 이 20%는 GS건설로 교체하거나 아무튼 당시에 자세한 공부를 통해서 부동산 관련 주로 교체해야 할 것임. 

 

#어썸인 #경제뉴스레터 #경제뉴스 #투자공부

 

 

 

 

+ Recent posts