일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- 수리통계
- bayesian inference
- 프로그래머를 위한 선형대수 #선형대수 #행렬계산
- 프로그래머를 위한 선형대수 #선형대수 #고유값 #고유벡터 #야코비 회전법 #QR법 #하우스홀더반사 #행렬회전
- bayesian
- mmm
- 미적분 #접선의 방정식 #최적화 #뉴턴법 #뉴턴-랩슨법
- Optimization
- Marketing Mix Modeling
- Media Mix Modeling
- 미적분 #사인과 코사인의 도함수
- lightweightmmm
- 프로그래머를 위한 선형대수 #선형대수 #고유분해 #고윳값 #고유벡터
- 시계열분석 #Time-Series Analysis #이상탐지 #Anomaly Detection #Spectral Residual #CNN #SR-CNN
- 미적분 #평균값 정리 #로피탈의 정리 #접선의 방정식
- 프로그래머를 위한 선형대수 #선형대수 #고유값 #고유벡터 #고유분해
- 프로그래머를 위한 선형대수 #선형대수 #LU분해
- 미적분
- Today
- Total
목록선형대수 (10)
문과생 네버랜드의 데이터 창고
In [1]: import numpy as np import matplotlib.pyplot as plt from mpl_toolkits import mplot3d 3) 행렬식¶ (1) 행렬식은 부분공간의 선형변환에서의 부피 확대율이다.¶ In [9]: # - 성질 print(np.identity(3)) print("행렬식 : ",np.linalg.det(np.identity(3))) [[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]] 행렬식 : 1.0 성질1 : 단위행렬의 행렬식은 1이다. In [16]: A = np.matrix([[2,3],[4,1]]) B = np.matrix([[4,2],[3,1]]) print(np.linalg.det(np.dot(A,B))) print(np.lina..
In [2]: import numpy as np import matplotlib.pyplot as plt from mpl_toolkits import mplot3d 1. 기본 개념¶ 1) 벡터¶ In [134]: # (1) 수를 나열한것을 벡터라고 부른다. x_2 = np.array([2,5]) # 2차원 벡터 x_3 = np.array([6,3,3]) #3차원 벡터 x_4 = np.array([2.9,0.3,1/7,4,42]) #5차원 벡터 In [17]: # (2) 벡터의 공간은 자유롭게 활용 가능하다. print(x_2) print(x_2.T) [2 5] [2 5] In [133]: # (3) 벡터끼리는 덧셈과 뺄셈 그리고 정수배가 가능하다. x_3_2 = np.array([2,5,6]) print..