#체인스트라이크,#수집형RPG, #모바일게임추천, #모바일게임// 체인스트라이크 게임 리뷰 "꿀잼체스 전략 RPG" 재밌는 모바일 게임을 찾다가 애드픽에서 체인스트라이크를 추천받았는데하다보니 스토리를 깨고 싶어서 엄청 열심히 했네요!! 드디어 오늘 챕터 8 Normal 최종보스를 깨고 시간을 되돌리지 않고 만나게 되는 엔딩을 봤네요. 이벤트로 주는 게 많아서 생각보다 과금 유도가 적지만, 광고는 좀 있다! 캐릭터은 모두 뽑아서 쓰는 겁니다. 핫타임이나 퀘스트로 주는 것과 룬스톤으로 소환할 수 있는 것을 계속 써주면 꽤 괜찮은 캐릭터로 구성할 수 있습니다. 하지만,, 5성 디에즈만 2번 나오는 .... 똥손은 언제나 똥손.. 이쁜 캐릭터는 아니지만, 현재 디에즈는 최애 캐릭터로 유용하게 스토리를 진행하였습..
#모바일게임순위 #슬롯RPG #엔드오브던전 7월 23일 오픈한 최신게임 엔드오브던전입니다. 18세 등급으로 받게 되어서 ios에서 서비스를 하지 않는다는 군요.. 슬롯머신 시스템이 들어가게 되어서 18세 이용가로 된건 사실이지만, 오히려 폭력성도 거의 없고 용사 캐릭터도 은근 귀엽습니다. 인터페이스가 단순하고 디자인도 깔끔합니다. 위 사진을 보면 슬롯에 따라서 엄청 Slot Attack이 차이가 나는 걸 알 수 있습니다. 이처럼, 슬롯이 해당 던전에서 용사의 공격력을 결정하는 데 큰 영향을 주기 때문에 슬롯만 좋게 나오면 낮은 레벨이라도 그 다음 보스도 깰 수도 있는 재미가 있습니다. 상점에서 보면 광고 보고 주는 1500골드와 크리스탈이 처음에 엄청 유용합니다. 꼭 처음에는 1500골드와 크리스탈로 쎄..
#이카루스M #최초의 하늘 MMORPG #비행레이드 이번에 소개할 게임은 이카루스M입니다. 용량이 생각보다 커서 설치하는데 시간이 좀 걸리네요. 최신 인기 모바일 게임이라서 업데이트가 많이 있는 편입니다. 위에 올린 가이드가 정말 정리가 잘 되어 있습니다! 저는 현재 위치는 각성1 직전입니다. 처음 목표는 전투력 10,945 로 각성하는 거라서 열심히 퀘스트를 깨고 있습니다. (당연히 처음에는 퀘스트를 깨서 레벨업하는 게 젤 편하고 좋습니다. 컨텐츠도 익히고) 다양한 컨텐츠를 통해서 전투력을 높이고 세력간 필드 PK, 다양한 레이드하는 게 목표인 것 같습니다. 이펙트도 엄청 화려해서 타격감도 좋은 편이고, 자동사냥을 하더라도 충분히 매력이 있습니다. 제가 한 캐릭터는 레인저 입니다. RPG는 여캐가 쎈거..
2.4 데이터 이해를 위한 탐색과 시각화훈련세트를 손상시키지 않기 위해서 복사본을 만듭니다.housing = strat_train_set.copy() 2.4.1 지리적 데이터 시각화위도와 경도를 이용해서 모든 구역을 산점도로 데이터 시각화 가능합니다. housing.plot(kind="scatter", x="longitude", y="latitude")조금더 알아보기 쉽게 하기 위해서 alpha옵션을 사용합니다. housing.plot(kind="scatter", x="longitude", y="latitude", alpha=0.1) 주택가격을 매개변수로 시각화할 수 있습니다. jet과 매개변수 cmap을 사용합니다. housing.plot(kind="scatter", x="longitude", y="l..
2.3.4 테스트 세트 만들기일반적으로 어떤 알고리즘 이용할지 전에 자세히 파악해야한다고 생각합니다. 하지만, 뇌는 과대적합 편향이 강해서 겉으로 드러난 패턴에 속아 특정 머신러닝을 택할 수 있습니다. 이를 데이터 스누핑 편향이라고 합니다. 테스트 세트를 생성하는 것은 간단하게 무작위로 어떤 샘플을 데이터셋의 20%정로를 따로 두면 됩니다. import numpy as npdef split_train_test(data, test_ratio): shuffled_indices = np.random.permutation(len(data)) test_set_size = int(len(data)) * test_ratio test_indices = shuffled_indices[:test_set_size] trai..
2.2.3 가정검사가정을 나열하고 검사합니다. 이 과정에서 심각한 문제를 일찍 발견할 수도 있습니다. ex) 다음 컴포넌트에서 이 값이 그대로가 사용되지 않는 경우(저,중,고 카테고리 사용)라면 정확한 가격이 중요하지 않게 됩니다. 따라서 주어진 상황에서는 회귀보다 분류 작업이 맞게 됩니다. 만약 회귀 시스템이 구축된 이후에 이러한 사항을 발견하면 .. 마음이 힘들겠죠.. ㅠㅠ2.3 데이터 가져오기import osimport tarfilefrom six.moves import urllib DOWNLOAD_ROOT = "https://raw.githubusercontent.com/ageron/handson-ml/master/"HOUSING_PATH = "datasets/housing"HOUSING_URL ..
2.2.1 문제정의비즈니스의 목적 정의가 가장 중요!모델 출력이 여러가지 다른 신호와 함께 다른 머신러닝 시스템에 입력으로 사용된다고 하면, 뒤따르는 시스템이 해당지역에 투자할 가치가 있는지 결정.(파이프라인) 이 결정이 (목적인) 수익에 직결되기 때문에 선행 컴포넌트에서 예측하는 값이 매우 중요. 이 때 적용하는 머신러닝 방법은?레이블 있는 훈련세트 = 지도학습값예측 = 회귀(다변량 회귀)w) 파이프라인데이터 처리 컴포넌트가 연속되어 있는 것을 데이터 파이프라인이라고 합니다. (데이터로 시스템을 돌린 결과를 받아서 그 값으로 다음 시스템을 시행(더 다음이 있을 수 있음) 후의 최종결과값을 내는 방식)비동기적으로 작동하는게 일반적이고, 독립적입니다. 2.2.2 성능 측정 지표 선택다음은 성능 측정 지표를..
2. 머신러닝 A-Z진행할 주요 단계큰그림데이터를 구함데이터 탐색 및 시각화 => 통찰머신러닝 알고리즘를 위한 데이터준비모델을 선택하고 훈련모델을 상세하게 조정솔루션을 제시시스템 론칭 & 유지보수, 모니터링 2.1 실제 데이터로 작업실제 데이터로 작업하는 것이 가장 좋음.공개된 데이터는공개 데이터 저장소(US얼바인 머신러닝저장소, 캐글 데이터셋, 아마존 AWS 데이터셋)메타 포털(dataportals.org, opendatamonitor.eu, qualdl.com)공개 데이터 나열 페이지(위키백과 머신러닝 데이터셋 목록, Quora.com, 레딧(데이터셋)여기서는 StatLib 저장소의 캘리포니아 주택 가격 데이터를 사용하고, 1990년 캘리포니아 인구조사 데이터를 기반으로 합니다. 학습용으로 좋은 데이..
1.4 머신러닝의 주요 도전 과제 1) 나쁜 데이터 1.4.1 충분하지 않은 양의 훈련 데이터간단한 문제에서도 수천 개의 데이터가 필요(훈련 데이터를 추가로 모으는 것이 항상 쉽거나 저렴하지 않음) 1.4.2 대표성 없는 훈련 데이터추가적인 데이터 샘플링 편향이 발생 1.4.3 낮은 품질의 데이터특성이 빠져 있기도 함. 아예 무시할지, 빠진 값만 채울지 고려 1.4.4 관련 없는 특성GIGO로 훈련에 사용할 좋은 특성을 찾는 것. 특성 공학유용한 특성을 선택하고, 특성을 결합하여 더 유용한 특성, 새로운 데이터로 새 특성 2) 나쁜 알고리즘1.4.5 훈련 데이터 과대적합일반화 주의! 훈련 데이터에 더 잘 맞더라도 실제로 예측을 믿기는 어려움. 특성을 줄이거나, 모델에 제약, 파라미터 수가 적은 모델 적용..
1.3.3 사례 기반 학습과 모델 기반 학습(일반화 기준) 예측을 만드는 것입니다. 다시 말해, 주어진 훈련 데이터로 학습하여, 훈련 데이터에서는 본적 없는 새로운 데이터로 일반화되어야 한다는 뜻입니다. 훈련 데이터에서 높은 성능을 내는 것이 좋지만 그게 전부는 아닙니다. 새로운 샘플에서 잘 작동하는 모델이 목표입니다. 1) 사례 기반 학습가장 간단한 형태의 학습은 단순히 기억하는 것. 스팸 필터를 이러한 방식으로 만들면 사용자가 스팸이라고 지정한 메일과 동일한 모든 메일을 스팸으로 분류합니다. 최악은 아니라도 최선이라고 할 수 없습니다. 스팸 메일과 동일한 메일은 스팸이라고 지정하는 대신 스팸 메일과 매우 유사한 메일을 구분하도록 스팸 필터를 프로그램할 수 있습니다. 유사도 측정입니다. 공통으로 포함한..