AUC는 "Area Under the ROC Curve"의 약자로, ROC 곡선 아래의 면적을 나타냅니다. AUC 값은 0에서 1 사이의 값으로 표현되며, 이 값이 클수록 모델의 분류 성능이 좋다고 평가할 수 있습니다.AUC는 모델의 성능을 평가할 때 여러 장점을 가지는데, 특히 불균형한 데이터에서는 정확도(Accruary)보다 AUC 점수가 더 신뢰성 있는 성능 지표가 됩니다.왜냐하면, AUC는 True Positive Rate와 False Positive Rate를 모두 고려하는 ROC curve의 밑 면적을 나타내기 때문입니다.AUC 점수를 통해 균형잡힌 모델의 성능을 알수 있고, 더 좋은 모델을 개발할 수 있는 지표가 됩니다.

GROUP BY  https://school.programmers.co.kr/learn/courses/30/lessons/144855#qna 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.kr 2개의 테이블이 있고 BOOK_ID가 공통 컬럼임  문제2022년 1월의 카테고리 별 도서 판매량을 합산하고, 카테고리(CATEGORY), 총 판매량(TOTAL_SALES) 리스트를 출력하는 SQL문을 작성해주세요.결과는 카테고리명을 기준으로 오름차순 정렬해주세요. 1. BOOK 테이블과 BOOK_SALES 테이블 JOIN 하기 2. 2022년 1월인 SALES_DATE만 ..

SQLStructured Query Language데이터베이스와 대화하기 위해 특별히 디자인된 언어 1. SELECT보고싶은 데이터 coloumn를 뽑아낼 때 사용SELECT * // 테이블의 모든 컬럼FROM order_list // 주문 리스트 전체 테이블 확인하기 2. ORDER BY정렬할 때 사용하는 문법SELECT *FROM ORDER_LISTORDER BY amount // 금액에 따라 정렬ORDER BY amount desc // 내림차순ORDER BY amount, quantity // 여러 항목을 넣을수도 있음 3. GROUP BY / COUNTgroup by : 그룹화 하여 데이터 조회count : 특정 테이블에 들어있는 데이터 전체 개수group by는 중복 제거를 할 때에도 자주 ..

1. Ollema 설치하기https://ollama.com/ OllamaGet up and running with large language models.ollama.com 설치가 끝나면 사용가능한 Models가 무엇이 있는지 확인해 보자  노트북에서도 잘 돌아갈 수 있게 qwen2를 사용해보자. 클릭1.5 b를 선택하고 복사  그냥 터미널 열고 복사한 명령어 치면 모델을 다운받고모델과 대화할 수 있음 2. Open WebUI를 사용하여 localhost에서 사용하기  2.1. Docker 다운로드먼저 Docker를 다운받자 https://www.docker.com/products/docker-desktop/  Docker Desktop: The #1 Containerization Tool for Dev..

https://github.com/khw11044/my_RAGAS GitHub - khw11044/my_RAGASContribute to khw11044/my_RAGAS development by creating an account on GitHub.github.com  우선 해당 레파지토리 코드를 기반으로 설명하는 게시물임을 알린다. 그리고 해당 코드는 아래 링크를 기반으로 커스텀하였다. https://www.youtube.com/watch?v=jSd6pdydBNU&t=1257s  https://www.youtube.com/watch?v=rA5SoBXB8R4   평가를 위한 과정 요약 1. 문서에서 text split를 통해 'contents 생성'과 'metadata(문서 소스)' 저장 AutoRAG..

from langchain_community.vectorstores import Chromavector_store = Chroma( persist_directory=persist_directory, # 기존에 vectordb가 있으면 해당 위치의 vectordb를 load하고 없으면 새로 생성합니다. embedding_function=embeddings, # 새롭게 데이터가 vectordb에 넣어질때 사용할 임베딩 방식을 정합니다, 저희는 위에서 선언한 embeddings를 사용합니다. collection_name = collection_name, # india라..