워로디스

이 문서는 2D 그래픽스에서 쓰는 affine 변환 행렬을 기준으로 합니다.이 행렬로 표현할 수 있는 변환은 다음입니다.이동, translation스케일, scale회전, rotation기울임, shear/skew반사/뒤집기, reflection/flip위 변환들의 조합특정 점을 기준으로 한 회전/스케일좌표계 변환, local ↔ world, screen ↔ local단, 다음은 일반적인 2D affine 행렬의 범위를 벗어납니다.원근 변환, perspective/projective transform곡선형 왜곡, nonlinear warp클리핑, 마스크, opacity, blur 같은 렌더링 효과1. 기준 행렬 형태이 문서는 열벡터 기준입니다.점은 다음처럼 본다고 가정합니다.p = [x, y, 1]^T변..

최종 코드import java.io.IOExceptionimport java.nio.ByteBufferimport java.nio.channels.FileChannelprivate const val MAX_ZERO_WRITE_RETRIES = 16/** * [sourceBuffer]의 현재 position부터 limit까지 남아 있는 데이터를 모두 [fileChannel]에 쓴다. * * 단, [FileChannel.write]에 너무 큰 ByteBuffer 범위를 한 번에 넘기지 않도록, * 최대 [maxChunkBytes] 크기의 slice view로 나누어 순차적으로 쓴다. * * 이 함수는 chunk 데이터를 복사하지 않는다. * 각 chunk는 [sourceBuffer]의 데이터를 공유하는 sl..

키워드'양(Amount)' 인가, '종류(Category)' 인가.선형 회귀와 로지스틱 회귀의 본질적 구분종종 "선형 회귀는 값을 찾고, 로지스틱 회귀는 확률을 찾는다"고 설명되지만, 이는 표면적인 결과물에 초점을 맞춘 설명입니다. 선형 회귀 역시 내부적으로 확률적 추정(최대 우도 추정)을 거치며, 로지스틱 회귀의 최종 목적 역시 확률을 바탕으로 종류를 '결정'하는 데 있습니다.두 모델을 구분하는 진정한 본질은 예측하고자 하는 대상(Y)의 성격과 그 이면에 깔린 통계적 가정에 있습니다.1. 실무적 관점: 종속 변수(Y)의 성질데이터 분석과 문제 정의 단계에서 두 모델을 가르는 가장 명확한 기준은 도출하려는 Y가 '양(Amount)' 인가, '종류(Category)' 인가 하는 점입니다.1.1 양 (연속형..