본문 바로가기

머신러닝15

머신 러닝 기본#8 - 선형대수학 총 정리 및 머신러닝에 필요한 이유 선형 대수학에는 일차식, 일차함수, 행렬. 벡터가 있고 앞에 머신러닝 글을 통해서 하나씩 개념을 공부했다. 그럼 일차식, 일차함수와 행렬과 벡터는 무슨 연관이 있을까?? 위와 같이 복잡한 선형시스템을 행렬과 벡터로 쉽게 표현할 수 있다.. 그럼 이제 이 선형시스템이 머신 러닝에 필요한 이유를 공부해보려고한다. ex) 백신 가격 예측 a1,a2,a3 = 영향력 백신 가격 = 배송료 *a1 + 원가*a2 + 접종 횟수*a3 화이자 110*a1 400*a2 2*a3 모더나 150*a1 300*a2 2*a3 대웅 50*a1 500*a2 4*a3 셀트리온 30*a1 800*a2 1*a3 간단하게 행렬과 벡터로 표현할 수 있다. 행렬에서 행은 백신 열은 백신의 특징을 나타내고 있다. 그리고 모든 백신의 가격 = X.. 2021. 1. 19.
머신 러닝 기본#7 - numpy로 전치행렬, 단위행렬, 역행렬 1. transpose() 함수를 사용하여 전치행렬을 구했다. 간단하여 A.T 만으로도 구현 가능하다. >>> import numpy as np >>> A = np.array([[1,-1,2],[3,2,2],[4,1,2]]) >>> A array([[ 1, -1, 2], [ 3, 2, 2], [ 4, 1, 2]]) >>> A_transpose = np.transpose(A) >>> A_transpose array([[ 1, 3, 4], [-1, 2, 1], [ 2, 2, 2]]) >>> A_transpose = A.T >>> A_transpose array([[ 1, 3, 4], [-1, 2, 1], [ 2, 2, 2]]) 2. identity 함수를 사용하여 단위행렬을 구하였다. A 행렬 곱하기 I행렬.. 2021. 1. 19.
머신 러닝 기본#6 - 전치 행렬, 단위 행렬, 역행렬 1. 전치 행렬(transposed matrix) 전치행렬을 사용하는 이유는 행렬과 행렬의 연산시 모양을 맞추기 위해서 사용되어진다. 2. 단위 행렬(identity matrix) 단위 행렬의 목적은 n * 1 을 하면 n의 값이 나오듯이 행렬에서의 1의 역할을 한다. 3. 역행렬(inverse matrix) 어떤 행렬에 X 를 곱하여 ~> 단위행렬이 나오게 하는 X 행렬이 역행렬이다. 역행렬은 꼭 정사각형이어야한다. + 모든 행렬에 역행렬이 있는 것은 아니다. 코딩실습[코드잇] 파이썬 머신 러닝 강의를 들으면 공부내용을 적어봤습니다. 2021. 1. 19.
머신 러닝 기본#4 - 행렬의 덧셈과 곱셈 개념 잡기 1. 행렬의 덧셈 행렬을 더하기 위해서는 두 행렬의 차원이 같아야한다. 행수와 열수가 같아야 한다. 2-1 행렬 곱셈 (스칼라 곱) - 행렬과 수를 곱하는 것을 스칼라곱이라고 한다. - 행렬의 원소가 아닌 일반 수를 스칼라라고 한다. - 따라서 아래식에서 i는 스칼라가 된다. -> 행렬과 행렬의 곱에서는 내적곱과 외적곱이 있다. 2-2 행렬 곱셈(내적곱) 결과로 2X2 행렬이 생성되었다. A의 행이 2개 B의 열이 2개 이기 때문에 2X2 행렬이 생성되었다. tip A와 B를 곱하려면 A의 열과 B의 행의 수가 같아야한다. -> 여기서 행렬 A*B 와 B*A 는 값이 다르거나 연산을 할 수 없는 경우도 있다. 2021. 1. 19.
728x90
반응형

티스토리툴바