[Day 11] Vector / Matrix

[Day 11] Vector / Matrix

2022. 2. 4. 10:55ㆍAI/Codestates

728x90

코딩부트캠프 | 코드스테이츠 - 비전공생도 개발자가 될 수 있습니다

코딩부트캠프를 찾는다면? 개발자로 커리어 전환을 위한 책임있는 코딩 교육 기관! 서비스 기획자, 그로스 마케터, 데이터 사이언티스트 등 다양한 전문 커리어에 도전하세요. 취업 성공의 후기

www.codestates.com

Warm-up

Data Structure
- 1D : List
- 2D : Pandas의 DataFrame, 2차원 List, 2차원 Array, 2차원 Matrix 등
Dimensionality Reduction : PCA, SVD
- 사이즈가 큰 데이터 셋을 사이즈가 작은 부분으로 나누는 작업 ( 일반적으로 시각화나 다른 모델링을 위해서 사용 )
스칼라, 벡터
- 스칼라 : 단일 숫자
- 벡터 : 크기와 방향을 가지는 값
  - 벡터의 크기 : 모든 원소의 제곱을 더한 후 루트를 씌운 값
  - 벡터의 내적 : 각 구성요소를 곱한 뒤 더한 값
매트릭스 ( Matrix ) : 행과 열을 통해 배치되어 있는 숫자들
- Dimesionality : 매트릭스의 행과 열의 숫자를 차원 이라 표현
- Determinant : 모든 정사각 매트릭스가 갖는 속성
  - ```
  import numpy as np
  np.linalg.det(m)
```
- 행렬식이 0인 경우 ( = 특이( Singular ) 매트릭스 ) : 역행렬이 존재하지 않는다.
  -> 매트릭스의 행과 열이 선형의 의존관계가 있는 경우
- Inverse : 역행렬을 계산하는 방법은 여러가지가 있으면 행렬의 역수와 같이 표현 할 수 있다
  - ```
  import numpy as np
  np.linalg.inv(m)
```

힘들었던 통계가 끝나고 내가 좋아하는 수학으로 들어와서 조금 쉬운거 같다 도전과제에서 나온 크레머 룰 같은 경우에도 수업시간에 배운 내용이라 어렵지 않게 이해하고 풀었다

728x90