All73 [Spring] Annotation [Annotation] 이전에 Bean 설정 문서에 관하여 포스팅한 적이 있다. https://icefree.tistory.com/entry/Spring-MyBatis-Bean-%EC%84%A4%EC%A0%95%EB%AC%B8%EC%84%9C [Spring] Bean 설정문서 [Bean 설정 문서] 본 글에서는 bean설정 문서에서 Presentation Layer, Service Layer, Persistence Layer, Data Access/Intergration Layer에 존재하는 Component(=bean)을 입력한다. 여기서 Spring framework가.. icefree.tistory.com 위 글에서 언급했듯이, Bean은 Layer의 Bean(=Component) 개수가 늘어날 때.. 2020. 8. 6. [Spring] Bean 설정문서 [Bean 설정 문서] 본 글에서는 bean설정 문서에서 Presentation Layer, Service Layer, Persistence Layer 에 존재하는 Component(=bean)을 입력한다. 여기서 Spring framework가서버의 back-end부터 front-end까지 연결하는 과정을 살펴볼 수 있다. - 서버에서 Spring flow 개괄 sqlMapConfig.xml > SqlSessionFactory > SqlSession > UserDAO(DAOImpl) > UserService(UserServiceImpl) > Presentation Layer(Component) [Bean 설정 문서 flow] 1) properties 파일 연결 ** context 설정 아래 이미지와 같.. 2020. 8. 6. [Spring] My Batis - SQL [SQL XML] MyBatis에서는 SQL 쿼리문을 xml을 통해 MetaData로 만들어서 애플리케이션의 외부로 분리한다. 1. SQL XML 기본 작성방법 - resultMap 2. 값 주입 3. 정적 쿼리 / 동적 쿼리 1. 기본 작성 방법 1) xml 파일 생성 2) mapper 태그 생성 - namespace 지정 : 나중에 test에서 사용할 쿼리문 지정할 때 여러 쿼리문을 포괄하는 mapper의 namespace도 함께 지정. 3) mapper 태그 안에 쿼리문 작성 - 태그 종류 : 입력하고자 하는 쿼리 문의 종류를 태그로 지정할 수 있다. 쿼리문은 태그 안에 작성한다. ex) , , 등등 - id 지정 : id는 DAO 단에서 사용하는 함수명과 동일하게 작성. - parameterTyp.. 2020. 8. 5. [Spring] MyBatis Data Access [Data Access/Integration] DB와 DAO를 연결하는 단계로, JDBC, ORM, JMS 및 트랜잭션 모듈로 구성된다. 여기서 JDBC 모듈은 자바에서 데이터베이스에 접속할 수 있도록 하는 자바 API로, 데이터베이스에서 자료를 쿼리 하거나 업데이트하도록 돕는 역할을 한다. JDBC는 SQL Mapper인 MyBatis로 대체 가능하며, 본 포스팅에서는 JDBC 대신 MyBatis를 활용한다. ＊ Service Layer : DAO에서 전달 받은 데이터를 가공하는 Layer - interface인 DAO가 session을 hasing하여 Persistence Layer와 MyBatis Framework를 연결 - 전반적인 흐름은 sqlMapConfig.xml > SqlSessionFac.. 2020. 8. 4. [Spring] Core Container [Spring Framework] "Spring Framework는 Java애플리케이션 개발을 위한 포괄적인 인프라 지원을 제공하는 Java 플랫폼으로, 애플리케이션에 집중할 수 있도록 제반 사항들을 처리하는 역할을 한다." - Core Container, Data Access/Integration, AoP, Web, Test 등 다수 모듈(개별적으로 완벽한 컴포넌트)로 구성된 응용 프로그램 출처 : https://docs.spring.io/spring/docs/3.0.x/spring-framework-reference/html/overview.html [종속성 주입(Dependency Injection) 및 제어 역전(IoC)] 개발 과정에서 비즈니스 로직을 담고 있는 DAO에서 수정이 빈번하게 발생하.. 2020. 8. 3. [Machine Learning] Ensemble - Random Forest [랜덤포레스트] - 여러개의 의사결정트리를 사용하여 값을 예측하는 앙상블 학습 방법의 일종이며, bagging알고리즘을 . - 각각의 트리가 랜덤하게 Feature를 뽑아서 각각의 예측(prediction)을 다수결 또는 평균으로 최종 결론을 도출. - 1개의 의사결정나무로 도출한 결론보다 우수한 성능을 보이며,단일 의사결정나무의 단점인 과적합(overfitting)극복. [Bagging(Bootstrap Aggregation Sampling)] 중복을 허용하며 랜덤하게 표본을 추출하는 기법인 부트스트랩 (bootstrap) 과 결합을 의미하는 aggregating의 약자로, 조금씩 다른 표본 데이터로 여러 의사결정나무를 학습시키고 각 트리의 결과를 결합하는 방법이다. 출처 : 위키피디아 https://.. 2020. 7. 24. [MachineLearning] Decision Tree(의사결정트리) [개념] - Root Node에서 LeafNode까지 특정한 기준에 맞는지/맞지 않는지를 데이터를 분류한다. - Node에서 데이터를 분류하는 기준은 2개 이상의 데이터 타입이 서로 얼마나 섞이지 않았고 잘 구분하는지(Impurity :불순도)로 정해진다. - 위 이미지에서 점선을 기준으로 위쪽으로는 빨간 공이 7/8, 점선 아래로는 파란 공이 4/7로 분류한다. - 의사결정나무는 추가적으로 점선을 그어 빨간공과 파란공이 섞이는 정도(impurity)를 최소화하는 것을 목표로 한다. [가지치기] - 의사결정나무의 깊이가 깊어지면 더 많은 기준을 사용하여 정교하게 데이터를 분류할 수 있으나(impurity↓), 이는 사용 중인 데이터에 대한 의존성이 높아져 Overfitting 문제를 야기할 수 있다. -.. 2020. 7. 23. 이전 1 ··· 4 5 6 7 8 9 10 11 다음
