DAY15

orthogonality
임의의 두 벡터의 내적값이 0이라면 서로 수직으로 배치

$E^{T}$

c.T

$|F|$

np.linalg.det(t)

det(x)=0 이면 역행렬이 존재하지 않음, 0이 아닌 수라면 역행렬 존재
참고

elbow Method
Note n134 참고
elbow Method 그래프 해석

k-means clustering 그래프
note n134참고

scree plot
간단한 방법
bar형식+누적그래프

---

np.square(x) #x*x로 출력

import numpy
numpy.square(3)
----------
9

np.power(x,n) #x를 n번 제곱```

import numpy as np
np.power(3,3)
--------------
27

np.stack 참고

g, h = np.array([1, 3]), np.array([2, 6])
gh_matrix = np.stack((g, h))
gh_matrix-----------------------------
array([[1, 3],
       [2, 6]])
gh_matrix = np.stack((g, h), axis=1)
-----------------------------------
array([[1, 2],
       [3, 6]])

df.loc[행의 위치, 열의 위치]

a= df.loc[:,'피쳐1':'피쳐3']

참고

.to_numpy()
: pandas 객체를 numpy 배열 객체인 ndarray로 변환
참고

. flatten()
numpy 1차원 변환
참고