1D : 주로 list라는 data structure를 사용해 1차원 데이터를 표현
2D : 주로 pandas의 dataframe을 사용해서 더 효율적으로 표현
Q . 여기서 더 효율적이라는 것의 의미는 무엇일까요?
A. pandas를 통해 데이터를 다루기 효율적이다.
차원 | 입체 |
---|---|
0 | 점 |
1 | 선 |
2 | 면 |
3 | 공간 |
Regression
!pip3 install ~~
ex)
!pip3 install imageio
!pip3 install skimage
!pip3 install scikit-image
행렬
, 행과 열을 갖는 벡터의 모음행렬식
, 역행렬과 해가 존재하는지 판단역행렬
, 행렬의 역수Q . 단위행렬 , 정사각행렬, 역행렬 군분 ?
A .
단위행렬 : 행과 열의 크기가 1인 행렬
정사각행렬 : 행과 열의 크기가 같은 행렬
역행렬 : 곱이 단위행렬로 되는 행렬
벡터의 크기(magnitude) 또는 길이(length)를 측정하는 방법
Norm :
벡터의 모든 성분의 절대값을 더한다
linalg.norm(v, ord = 1)
Norm :
출발점에서 도착점까지의 거리를 직선거리로 측정
linalg.norm(v, ord = 2)
MSE : Mean Square Error, 평균 제곱 오차
MAE : Mean절댓값 제곱 오차
# Inverse matrix 계산 함수 정의
def myInverse(m) : # m = np.array()
try:
return np.linalg.inv(m)
except:
return -1 # inverse 계산이 불가능한 경우 -1 반환
Cramer's rule 은 연립방정식의 해를 구하는 방법이다.
from numpy import linalg
로 해 구하기
# a, b는 array
np.linalg.solve(a, b)