Vector / Matrix
핵심 키워드
- 벡터와 매트릭스의 기본 연산
- NumPy
- Identity Matrix
- Determinant
- Inverse matrix
행렬식 (Determinant)
행렬식은 모든 정사각 매트릭스가 갖는 속성
2x2 매트릭스를 기준으로, 행렬식은 다음과 같이 (AD-BC) 계산 할 수 있습니다:
8 16 - 12 9 = 20
|x| = det(x) = 20
행렬 numpy
단위행렬 (Unit matrix): np.eye(n)
대각행렬 (Diagonal matrix): np.diag(x)
내적 (Dot product, Inner product): np.dot(a, b)
대각합 (Trace): np.trace(x)
행렬식 (Matrix Determinant): np.linalg.det(x)
역행렬 (Inverse of a matrix): np.linalg.inv(x)
고유값 (Eigenvalue), 고유벡터 (Eigenvector): w, v = np.linalg.eig(x)
특이값 분해 (Singular Value Decomposition): u, s, vh = np.linalg.svd(A)
연립방정식 해 풀기 (Solve a linear matrix equation): np.linalg.solve(a, b)
최소자승 해 풀기 (Compute the Least-squares solution): m, c = np.linalg.lstsq(A, y, rcond=None)[0]
MSE, MAE
- MSE : 평균제곱오차
np.mean(np.square(x-y))
- MAE : 평균절대오차
np.mean(np.abs(x-y))
'[CodesSates] AI 부트캠프' 카테고리의 다른 글
Dimension Reduction (0) | 2021.03.22 |
---|---|
Linear Algebra + (0) | 2021.03.21 |
Bayesian (0) | 2021.03.19 |
Confidence Interval (0) | 2021.03.16 |
Hypothesis Test (0) | 2021.03.14 |