Name:DOHYEON LEE

“I keep the promises between Prof. and I”

HW#12 Deeplearning  2024/12/06

-Weight solutions-

-Code-

HW#11 Backpropagation  2024/11/29

HW#10 Data Analysis 2024/11/29

-Result-

1.강한 상관관계

1)변수 2(Hardness)와 변수 10(Trihalomethanes)

 매우 강한 양의 상관관계

→물의 경도와 트리할로메탄 농도가 비례적으로 증가하고 경도가 높아질수록 

염소 소독 부산물 생성이 증가할 가능성이 크다.

2)변수 11(Turbidity)과 변수 15(Potability)

 강한 양의 상관관계

→탁도가 증가하면 음용 가능성이 감소한다는 반비례적 관계를 보여줄 

가능성이 있으며, 이는 물의 정화 수준과 관련이 있다.

3) 변수 13과 변수 6(Conductivity)

 매우 강한 음의 상관관계

→전도성이 증가하면 변수 13(예: 특정 오염물질 농도)이 감소하거나, 반대로 

특정 오염물질 농도가 높아지면 전도성이 감소하는 관계를 보여준다.

2. 중간 상관관계 

1)변수 5(Sulfate)와 변수 8(Organic Carbon)

 중간 정도의 양의 상관관계

→황산염 농도와 유기 탄소 농도가 비례적으로 증가하며, 이는 특정 

오염원(농업, 산업 활동 등)과의 연관성을 암시한다.

출처-Kaggle:Water Quality Analysis – Plotly and Modelling

-Code-

r

p

HW#9 Deep Learning 2024/11/22

-Code-

HW#8 GA 2024/11/15

gene = [(-2.97, 4.81), (2.53, 4.93), (9.12, 5.62), (12.1, 4.37), (-2.58, 5.13)]

-code-

-solution-

HW#7 SCM 2024/10/18

The problemse with this approach.

1.각 주차의 수요를 미리 고정시켜 계산했지만, 실제 수요는 불확실성이 존재한다.

2.각 주차마다 독립적으로 최적의 Xi와 Si를 결정하는데, 재고 관리의 비효율성을 초

래할 수 있다.

3.비용 함수가 고정되어 있으며, 실제 운영 환경에서 다양한 추가 비용을 고려할 수 

없다.

4.만약에 주차가 더 많아지거나 Si,Xi의 가능한 범위가 확정되면 계산의 복잡성이 기

하급수적으로 증가한다.

5.마지막 주차에서만 미래를 고려하고, 현재 주차는 미래 상황을 충분히 고려하지 않

는 방식이다.

HW#6 Dual Problem 2024/10/11

-code&Solution-

HW#5 Gradient –based NLP 2024/10/11

-solution-

-Code-

HW#4 NL 2024/10/04

Nonlinear functions

-code&Solution-

HW#3 SP 2024/10/04

코드&결과값

HW#2 LP 2024/09/23