전체 글 (253) 썸네일형 리스트형 [ 내돈내산 리뷰 / 제품 리뷰 / 독일 / 영양제 / 눈 / 도펠헤르츠 ] Doppelherz Augen Extra ( Tag + Nacht ) 2년 전쯤 아침부터 눈에 뻑뻑한 느낌과 시린 느낌이 동시에 들기 시작했다. 안구 건조라는 생각이 들었지만 인공눈물에 대한 거부감이 있던 터라 눈 영양제를 찾아보았고 그렇게 찾게 된 것이 도펠헤르츠 회사의 아우겐 엑스트라 ( 낮 + 밤 전용 ) 제품이다. 제품 명칭 도펠헤르츠 아우겐 엑스트라 ( 낮 + 밤 전용 ) Doppelherz Augen Extra ( Tag + Nacht ) 섭취 방법 하루에 한 알 섭취 영양정보 장점 복용 이후에 눈 시림 및 뻑뻑함이 빠르게 사라졌다. 우선 심각한 눈 시림 증상은 하루만에 많이 나아졌다. 집에 계신 부모님께도 드렸고 부모님도 역시 효과를 보셨다. 더불어 요즘 활성화된 해외직구 스토어 및 온라인 사이트를 통해 한국에서도 쉽게 이 제품을 구입할 수 있다. 의견 1. .. [ 내돈내산 리뷰 / 제품 리뷰 / 독일 / 영양제 / 헤르페스 / Herpes ] Lyranda Lippenherpes 영양제 후기를 남기다 내 온 몸의 병명을 오픈하는 것은 아닌가 싶다. 무리를 하면 일년에 한 두 번 정도는 입술에 헤르페스 물집이 올라오는데 작년에는 12월에만 무려 두 번의 헤르페스 물집을 겪고 예방차원에서 영양제를 따로 독일 약국에서 구입하게 되었다. 제품 명칭 Lyranda bei Herpes 섭취 방법 참고로 삼키는 것이 아닌 씹어먹는 타입의 영양제이며 하루에 3알씩 섭취를 권장하고 있다. 영양제 맛은 보통 시중에서 판매하는 씹어먹는 타입의 비타민 C 영양제 맛이랑 거의 비슷하다. 장점 면역력이 떨어질때는 Zinc와 Lysin을 따로 더 섭취하라는 말을 들은 적이 있는데 이 영양제는 하루 섭취 가능한 zinc가 총 30mg 그리고 Lysin이 3g 이 들어있다. 독일에서 하루 Zinc 권장량을 1.. [ 내돈내산 리뷰 / 제품 리뷰 / 독일 / 유산균 / probiotics ] Innovall AID 독일에서 진행중인 연구 프로젝트가 막바지에 이르니 몸 구석구석이 아프기 시작했다. 독일 유산균으로 검색을 하니 여러 블로거들이 닥터*츠를 추천하길래 파우더 타입을 구입하여 섭취해보았으나 나의 경우, 섭취 이후 배에서 가스가 부글부글 끓는 것이 느껴져 처음에는 버텼으나 갈수록 나는 이 증상이 나아지지 않아 해당제품 섭취를 중단하고 약국에 가서 독일 약사에게 유산균을 추천해달라고 하였다. 약사가 추천해준 것은 Innovall AID 였고 우선 테스트겸 14일 분량의 파우더 제품을 구입하였다. ( 20 유로 ) 14일치를 한 20일에 걸쳐 섭취하였고 내가 느낀 점을 리뷰로 작성해 보았다. (위 그림은 28일치, 현재 몇개 복용후 촬영한 상태) 섭취방법 1. 잠들기 전 2. 물 100ml에 ( 한 컵 정도 ) .. t-test 두 데이터를 비교하는데, 보통은 평균을 많이 이용한다. t-test는 평균과 더불어, 데이터가 얼마나 넓게 혹은 얼마나 좁게 분포하는지 보고, 평균값과 함께 이 분산정보를 데이터 비교에 이용한다. 두 데이터의 평균과 그 두 데이터의 차이에서 만들어지는 표준편차 값을 이용해서 평균값을 보정한 t-score 를 계산하고, 이 t-score 와 데이터 수에 상응하는 자유도 값을 이용하여 p-value 를 구한 후, 두 데이터가 유사하다는 귀무가설이 기각되어야 하는지 아닌지 판단하는 것. FOR WHAT * 두 데이터 비교 * 독립성이 없는 두 데이터 비교 ( 실험 전/후 ) : 두 데이터의 차이 값의 평균이 0이다 (귀무) / 아니다 ( 대응표본 t-test ) * 독립성이 있는 두 데이터 비교 ( 다른 두 .. TF-IDF algorithm Term Frequency-Inverse Document Frequency WHY 특정 단어가 특정 문서에서"만" 얼마나 자주 출현하는지 알아내기 위해 WHAT 특정 단어가 특정 문서에서 TF-IDF 값이 높으면 그 단어는 그 특정 문서에서만 높은 출현 빈도 특정 단어가 특정 문서에서 TF-IDF 값이 낮으면 그 단어는 여러 문서에서 여러번 나타나거나 아니면, 특정 그 문서에 출현 빈도가 낮음 HOW * TF 를 DF 로 나눈 것 -> 그래서 TF x inverse DF * TF : 특정 단어가 특정 문서에 등장한 횟수 * DF : 특정 단어를 가지는 "문서" 자체의 수 / 모든 문서의 수 ( 모든 문서의 수 = 고정 값 = 상수 ) LIMITATIONs * 긴 문서에는 각 단어들이 높은 빈도수, 짧은 .. 이전 1 ··· 29 30 31 32 다음
