클래스형 컴포넌트의 constructor, state, render
클래스형 컴포넌트란? React의 초기 버전에서 컴포넌트를 정의할 때 사용된 방식으로, ES6 클래스 문법을 기반으로 만들어진 컴포넌트 클래스형 컴포넌트는 상태(state)와 라이프사이클 메서드를 사용할 수 있으며, 현재는 함수형 컴포넌트의 React Hook이 도입되기 전까지 React의 기본 컴포넌트 형태로 사용됨 특징 상태(state)와...
클래스형 컴포넌트란? React의 초기 버전에서 컴포넌트를 정의할 때 사용된 방식으로, ES6 클래스 문법을 기반으로 만들어진 컴포넌트 클래스형 컴포넌트는 상태(state)와 라이프사이클 메서드를 사용할 수 있으며, 현재는 함수형 컴포넌트의 React Hook이 도입되기 전까지 React의 기본 컴포넌트 형태로 사용됨 특징 상태(state)와...
React Hook이란? React 16.8부터 도입된 React Hook은 함수형 컴포넌트에서도 상태(state)와 라이프사이클(lifecycle) 기능을 사용할 수 있도록 제공하는 새로운 방식 useState, useEffect를 통해 기존 클래스형 컴포넌트에서만 가능했던 기능을 함수형 컴포넌트에서도 손쉽게 구현 React Hook을 사용하...
함수형 컴포넌트란? JavaScript 함수로 정의된 React 컴포넌트 UI를 반환하고, props를 인수로 받아 렌더링 동작을 수행 함수형 컴포넌트는 비교적 간단한 UI 컴포넌트를 정의할 때 사용되며, 상태(state)나 라이프사이클 메서드를 포함하지 않음 function Greeting({ name }) { return <...
컴포넌트(Component)란? React 애플리케이션을 구성하는 독립적이고 재사용 가능한 코드의 블록 각 컴포넌트는 자신만의 상태(state)와 속성(props)을 가지고, 특정 UI를 정의하고 기능을 담당 React는 모듈화와 재사용성을 극대화하기 위해 컴포넌트 기반의 설계를 채택 전체 애플리케이션을 작은 UI 조각으로 나누고, 이러한 컴포넌...
JSX(JavaScript XML)란? javaScript 코드 내에서 HTML과 유사한 문법을 사용하여 UI를 정의할 수 있는 React의 문법 확장 도구 React 컴포넌트를 더욱 직관적이고 가독성 있게 작성할 수 있도록 지원 JSX는 브라우저가 직접 이해할 수 있는 문법은 아니지만, Babel과 같은 컴파일러에 의해 JavaScript 코드로 ...
ReactDOM이란? React로 정의된 컴포넌트를 브라우저의 실제 DOM에 렌더링하거나, 서버 사이드 렌더링(SSR)을 통해 HTML 문자열로 변환할 때 사용되는 라이브러리 ReactDOM은 UI의 렌더링 및 업데이트에 필요한 DOM 관련 메서드와 기능을 제공 주요 기능 컴포넌트의 DOM 렌더링 ReactDOM.createRoot 또는 R...
React란? Facebook에서 개발한 JavaScript 라이브러리로, 복잡한 사용자 인터페이스(UI)를 효율적으로 구축할 수 있도록 설계 주로 웹 애플리케이션에서 재사용 가능한 컴포넌트 기반의 UI를 개발할 때 사용 주요 특징 컴포넌트 기반 개발 React는 애플리케이션을 독립적이고 재사용 가능한 컴포넌트들로 나누어 개발 ...
Multivariate Linear Regression Simpler Linear Regression 하나의 정보로부터 하나의 결론을 예측 but, 대부분 경우 예측을 위해서는 더욱 다양한 정보가 필요 복수의 정보를 통해 하나의 추측값을 계산 (예: 쪽지시험 성적 73,80,75 점인 학생의 기말고사 성적 예측) Data x...
Simpler Hypothesis Function [y = W(x)] 편향(bias) b를 제외한 단순한 형태로 구성된 모델 이 모델은 실제 데이터에서는 사용하기에 부족하지만, 기초적인 선형 회귀의 개념을 학습하기에 적합 x_train = torch.FloatTensor([[1], [2], [3]]) y_train = torch.Fl...
Linear Regression 학습 데이터와 가장 잘 맞는 하나의 직선을 찾는 작업 수학적으로 \(y = Wx + b\) 형태로 표현 W: Weight (slope of the line) b: Bias (y-intercept) W는 여러 개의 가중치를 포함하는 행렬/벡터로서, 대문자로 표기 (w1, w2…) ...