# 학습 
## CLI
- cli로 학습할 수 있는 쉘 스크립트를 작성한다.
- argument
    - script_dir
    - working_dir
    - data_dir
    - train_data_count = 100
    - validate_data_count = 20
    - margin = 0.1

## 학습 모델

## 학습 과정
1. `{data_dir}/tja`의 tja를 파싱한다.
    - `{script_dir}/parse.ts`를 사용한다.
2. `oni`와 `edit` course를 factorize한다.
    - `{script_dir}/factorize.ts`를 사용하며, `{working_dir}/features.json`에 저장한다. 이 때, songno와 난이도(oni | edit)을 같이 저장하여야한다.
    - `{working_dir}/features.json`이 이미 존재하면 이 과정은 생략한다.
3. factorized된 데이터를 `train_data_count` 만큼 랜덤으로 가져온다.
4. train data로 학습을 진행한다.
    - 예측 값이 [1, 12]에 없으면 완전히 잘못 트레이닝 된 것이다.
    - `{data_dir}/measure.csv`로 오차 확인
    - course가 `edit`이면 measure.json에서는 `ura`이므로 적절히 매칭한다.
    - Train error를 계속 로깅한다.
    - Train error가 `margin`보다 클 경우 이 과정(4번)을 다시 진행한다.
        - 최대 10번만 진행한다.
5. validate_data_count 만큼 랜덤으로 validate data를 가져온 후 validate data로 각각의 measure, 예측한 measure, 오차를 `validate_result_{n}.csv`로 저장한다.
    - `validate_result_{n}.csv`에는 `songno`, `difficulty`, `measure`, `predicted_measure`, `error`을 작성한다. (중요)
    - `n`에는 몇번째 iteration인지 적는다.
6. 만약 validate한 데이터 중 오차가 `margin`보다 큰 것이 있다면 3~5과정을 다시 반복한다.
7. 모델 파일을 저장한다.

### 유의 사항
- 모든 출력되는 데이터는 working_dir에 저장한다.
- 이미 working_dir에 모델이 존재하면 모델을 삭제하지 않고 업데이트하는 식으로 학습한다.
- 애플 실리콘 cpu를 사용할 경우 적극적으로 gpu를 사용할 수 있도록 한다.

# 예측
## CLi
- cli로 예측 데이터를 뽑을 수 있는 쉘 스크립트를 작성한다.
- argument
    - working_dir
    - tja
    - difficulty: oni | edit

## 예측 과정
- `working_dir`에 있는 model로 예측을 진행한다.
- `tja` argument에 tja파일이 존재한다.
- `difficulty`로 예측을 진행할 난이도를 선택한다.

# Factor
## 종류
- physical_density: 곡의 전반적인 및 순간적인 타격 밀도 (Global NPS, Peak NPS)
- stamina_requirement: 긴 연타 구간과 휴식 구간의 비율을 통한 체력 소모량
- pattern_complexity: 색상 전환 및 손 배치 전환(Hand-switching)의 복잡도
- rhythmic_complexity: 엇박, 다양한 음표 단위 사용 등으로 인한 리듬의 난해함
- reading_gimmick: BPM 변화, 스크롤 속도(SV) 변동 등 시각적 요소 및 기믹

## 가중치 (하이퍼 파라미터)
`script/factor.json`에 `Record<factor 이름, 가중치>`를 기록한다.

# Scripts
## `script/parse.ts`
- `parseTja` 함수
    - tja를 string으로 받는다.
    - `Partial<Record<'oni' | 'edit', Course>> | null`을 반환한다.
    - null이 반환되면 에러가 나온 것이므로 무시한다.
## `script/factorize.ts`
- `factorize` 함수
    - course를 input으로 받는다.
    - factor들을 반환한다.
- `Factor` namespace
    - 각 factor을 반환하는 함수의 namespace이다.
    - `factorize` 함수는 `Factor` namespace에서 함수들을 호출하여 factor들을 반환한다.