book title : 머신러닝, 딥러닝에 필요한 기초 수학 with 파이썬
pages : 197 ~ 203
key concepts :
- ''ㄱ'자로 수행되는 건 컴퓨터가 알아서 해준다. 이것의 의미를 알자'는 이 저자 분 되게 좋다...
- 선형결합
- 선형독립(linear independent) : 모든 c가 0일 때만 선형조합의 값이 0이 된다면 각각의 a1, a2, a3 ... an들을 linear independent라고 한다
- 가장 중요한 개념은
: 벡터 여러 개에 임의의 상수를 곱해 모두 더하면 또 다른 벡터를 만들어 낼 수 있다. 이게 바로 선형 결합(linear combination) - 열 결합
- 행 결합
- edwid 동영상을 시청하니 놀랍다...
- table 데이터가 있을 때
- 이걸 연립방정식으로 나타내고(방정식의 답은 label 데이터, 실제 풀어야 하는 건 coefficient)
- 그걸 또 데이터 개수 N개, 즉 N차원의 벡터 방정식으로 생각하니,
- 우리는 feature 개수만큼 재료 벡터를 갖게 된다.
- 결국 그 재료 벡터로 만들 수 있는 span에서 label 데이터(벡터)가 있다면
- 그것이 바로 coefficient이다...
- numpy indexing 방법에 integer array indexing이 있다(인덱스에 리스트로 묶인 integers를 넣어서 추출하는 법)
'어떻게든 자야겠어'라는 저 아이를 닮고 싶습니다