[스스로 배우는 데이터 사이언스] 3주차 복습 강의 - 선형 대수

github.com/maron2ee/Machine-Learning/blob/main/%5B%EC%8A%A4%EB%B2%A0%EB%8D%B0%5D%203%EC%A3%BC%EC%B0%A8%20%EB%B3%B5%EC%8A%B5%20%EA%B0%95%EC%9D%98%20Example.ipynb

maron2ee/Machine-Learning

 

선형 대수 (Linear Algebra)

: 벡터 공간, 벡터, 선형 변환, 행렬, 연립 선형 방정식 등을 연구하는 대수학의 한 분야

 

데이터 -> 선형대수학의 행렬 연산을 통해 표현

 

 

- 용어 

* 스칼라 = 원소, 값,,,

* 행렬 : matrix, 데이터셋,,,

* 행 : row, 인스턴스, 특징 벡터, 샘플, 데이터 레코드,,,

* 열 : column, feature, 특성, 변수,,,

 

 

1) 스칼라

: 온도나 질량과 같이 숫자로 정확하게 나타낼 수 있는 값

 

2) 벡터

 - 수리적 관점 : 크기와 방향을 동시에 가지고 있는 것

 - 머신러닝적 관점 : 여러 개의 스칼라 값이 담긴 리스트로, 하나의 인스턴스 (row) 에 대한 특징을 나타냄

 

3) 행렬

 - 여러 개의 벡터를 담을 수 있음

 - 일반적으로 소문자로 표기하는 벡터와 구분하기 위해 대문자를 사용

 - 데이터 뿐만 아니라 가중치나 유사도 등의 값들을 간결하게 표현하기 위해 사용됨

 

4) 텐서

 - 스칼라, 벡터, 행렬을 일반화 시킨 개념으로, N-차원의 행렬을 의미

    -> 벡터는 1차원 텐서, 행렬은 2차원 텐서로 나타낼 수 있음

 - 머신러닝에서는 일반적으로 3차원 이상의 배열을 의미

 

e.x) MNIST - 3차원 텐서