| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 20 | 21 | 22 | 23 | 24 | 25 | 26 |
| 27 | 28 | 29 | 30 | 31 |
- hex-rays
- x64
- Python
- ecma
- NumPy Unicode Error
- idb2pat
- Analysis
- MySQL
- commandline
- TensorFlow
- data distribution
- open office xml
- Rat
- 포인터 매핑
- javascript
- debugging
- why error
- idapython
- error fix
- h5py.File
- pytest
- ida pro
- svn update
- malware
- Injection
- Ransomware
- mock.patch
- idapro
- ida
- error
- Today
- Total
목록2018/05 (3)
13 Security Lab
[Recommend System] matrix factorization 으로 구현하기
Recommend System? Recommend System is a subclass of information filtering system that seeks to predict the "rating" or "preference" that a user would give to an item. 1. Simple Recommend System Tutorial Recommend System 을 위한 간단한 행렬식에 matrix factorization + regularization 적용 추천시스템을 Matrix completion problem 으로 보고 접근한다. User-Movie Recommend System을 예로 들 수 있다. The mathematics of matrix factorizatio..
[Topic Modeling] TF-IDF 를 이용한 이슈 변화 흐름 분석
정치 이슈에 대해서 TF-IDF 통계기법을 이용하여 기간별 정치기사의 이슈가 어떻게 바뀌어가는지 변화 흐름을 분석한다. ▶ TF-IDF 이란 ? TF-IDF 에 대해서 알아보기 이를 위해 Topic Model 기법을 응용하여 이슈 변화 흐름 분석을 시도해 보았다. 기간: 4/1 ~ 4/30 데이터셋: 450건의 정치기사 (daum.net) 1. 정치기사 수집 최초, 4월 한달 간으로 수집하고 DB를 구성하였으며, 각 날짜 별 15건에 대해서 수집을 시도하였다. 기사 수집 시 텍스트 파싱에 에러가 나는 데이터셋을 제외하고 441건의 데이터를 수집하였다. news_origin.db 한글 기사 태그 부분(“article_view”)을 파싱하여 기사 내용을 가져왔다. 기사에서 공통적으로 끝부분에서 기자 이름과 ..
Error: preprocessing.LabelEncoder() - fit() - transform() "TypeError: unorderable types: NoneType() < NoneType()"
Error problem from >> preprocessing.LabelEncoder() - fit() - transform() Message is "TypeError: unorderable types: NoneType() < NoneType()" Problem Definition ERR code line 1 2 3 le_1 = preprocessing.LabelEncoder() training_tr_le = le_1.fit(training_labels) training_labels_encoded = training_le.transform(training_labels) Error Message 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 2..