머신 러닝 기본#3 - numpy로 행렬 사용하기(random, zeros)
numpy로 4 by 3 행렬 만들기 (행이 4개 열이 3개) >>> import numpy as np >>> A = np.array([[1,-1,2],[3,2,2],[4,1,2],[7,5,6]]) >>> A array([[ 1, -1, 2], [ 3, 2, 2], [ 4, 1, 2], [ 7, 5, 6]]) numpy로 3 by 2 행렬 만들기 >>> B = np.array([[0,1],[-1,3],[5,2]]) >>> B array([[ 0, 1], [-1, 3], [ 5, 2]]) numpy로 random 행렬만들기 >>> c = np.random.rand(3,5) >>> c array([[0.78099123, 0.15433555, 0.84418358, 0.73594807, 0.87864263], ..
2021. 1. 19.
머신 러닝 기본#1 - 머신 러닝 시작의 앞서 배울 대표적인 수학 친구들
머신 러닝을 하기 위해 꼭 필요한 대표적인 수학 친구들 (선형대수, 미분, 통계, 확률) 1. 선형 대수학 - 행렬 A([[ 1, 1, 2, 2], B([[1], [ 3, 3, 4, 4], [3], [ 5, 5, 6, 6], [5], [ 7, 8, 9, 10]]) [7]]) 행렬의 사용 이유 ㅣ 여러 정보를 하나로 묶어서 사용할 수 있다. | A*B 행렬을 묶어서 효율적인 계산을 할 수 있다. 2. 미적분학 머신러닝에서 최적화에 사용되어진다. 3. 통계 여러 데이터를 가지고 통계를 내기 위하여 사용 -> 데이터에서 큰 흐름을 파악 할 수 있다. 4. 확률 생존 vs 사망 -> 사망할 확률이 80%라고 했을 때 확률기법 사용시 사망자로 예측 할 수 있다.
2021. 1. 17.
