numpy, pandas, scikitlearn 라이브러리로 계산
순서(order)가 유지 되어야 함
list []
<-> set (집합, 순서X)
pd.DataFrame
np.array (가장 많이 쓰임)
np.matrix (권장X)
from scipy import stats
stats.linregress([ ], [ ])
사이즈가 큰 데이터셋을 사이즈가 작은 부분으로 나누는 작업 (일반적으로 시각화나 다른 모델링을 위해서 사용)
n차원 벡터
n개의 원소(컴벡터의 길이(length)는 벡터의 차원수와 동일포넌트)를 가지는 순서를 갖는 모음
벡터의 길이(length)는 벡터의 차원수와 동일
표현방법(행->열 순서)
Diagonal (대각)
Upper Triangular (상삼각)
Lower Triangular (하삼각)
Identity (단위 매트릭스)
Diagonal 매트릭스 중에서, 모든 값이 1인 경우
Inverse(역행렬)
Symmetric (대칭)
인 매트릭스
2개의 행 혹은 열이 선형의 관계를 (M[,i]= M[,j] * N) 이루고 있을때 발생
매트릭스의 행과 열이 선형의 의존 관계가 있는 경우 매트릭스의 행렬식은 0이다.
a = [1, 2, 3]
b = [4, 5, 6]
a + b
Out:
[1, 2, 3, 4, 5, 6]
import numpy as np
a_np = np.array(a)
b_np = np.array(b)
a_np + b_np
Out:
array([5, 7, 9])
a_np * b_np
Out:
array([ 4, 10, 18])
#solution1
(a_np * b_np).sum()
#solution2
np.dot(a_np, b_np)
Out:
32