ch1. Vector Matrix Array

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.
    
    

• 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.
    
    

• Diagonal elements (1.14)

  • diagonal을 사용합니다.
    
    

• Trace (1.15)

  • trace를 사용합니다.
    
    

• Eigenvalue, Eigenvector (1.16)

  • eig를 사용합니다.
    
    

• Inverse matrix (1.20)

  • inv를 사용합니다.
    
    

Practice

---