Summary
Vector, matrix, array는 machine learning data를 다루기 위한 기본 도구입니다.
Vector: 1d array로 만듭니다. (1.1)
Numpy로 Matrix 다루기
empty: Initial value 대신 크기만 지정하여 임의의 값이 채워진 array를 만듭니다. (1.2)
zeros: 0으로 채운 array를 만듭니다. (1.2)
ones: 1로 채운 array를 만듭니다. (1.2)
full: 특정 값으로 채운 array를 만듭니다. (1.2)
shape, size, ndim: matrix의 크기, 원소 개수, 차원을 알고 싶을 때 사용합니다. (1.5)
Numpy로 Array 다루기
vectorize class: vectorized operation을 적용합니다. (1.6)
broadcasing: 차원이 달라도 array 사이 연산을 수행합니다. (1.6)
reshape: Array 크기만 변경하고 싶을 때 사용합니다. (1.9)
Transpose vector or matrix
- T or transpose method를 사용합니다.
- T or transpose method를 사용합니다.
Matrix rank 구하기 (1.12)
Matrix rank는 row or column이 만든 vector 공간의 차원입니다. Linear independent row or column의 개수입니다.
matrix_rank function을 사용합니다.
linalg module의 svd function으로 eigenvalues를 구한 다음 0이 아닌 값의 수를 헤아리는 방법으로 구할 수 있습니다.
Determinant (1.13)
- det를 사용합니다.
- det를 사용합니다.
Diagonal elements (1.14)
- diagonal을 사용합니다.
- diagonal을 사용합니다.
Trace (1.15)
- trace를 사용합니다.
- trace를 사용합니다.
Eigenvalue, Eigenvector (1.16)
- eig를 사용합니다.
- eig를 사용합니다.
Inverse matrix (1.20)
- inv를 사용합니다.
- inv를 사용합니다.