응용 머신러닝은 주어진 문제에 대한 완벽한 학습 시스템을 설계하는 것이 다루기 어렵기 때문에 어렵습니다. 문제에 가장 적합한 훈련 데이터나 알고리즘은 없으며 최선을 다해 발견해야 합니다.. 머신러닝의 적용은 주어진 프로젝트에 사용할 수 있는 지식과 리소스가 주어지면 입력과 출력을 가장 잘 매핑하기 위한 검색 문제로 생각됩니다. 이 게시물에서는 검색 문제로서의 응용 머신러닝의 개념화를 발견합니다. 이 게시물을 읽은 […]
차원 축소를 위한 중요한 머신러닝 방법을 주성분 분석이라고 합니다. 선형 대수와 통계의 간단한 행렬 연산을 사용하여 원래 데이터의 투영을 동일한 수 또는 더 적은 차원으로 계산하는 방법입니다. 이 자습서에서는 차원 축소를 위한 주성분 분석 머신러닝 방법과 Python에서 처음부터 구현하는 방법을 알아봅니다. 이 자습서를 완료하면 다음을 알 수 있습니다. 주성분 분석을 계산하는 절차와 주성분을 선택하는 방법. NumPy에서 […]
행렬 분해라고도 하는 행렬 분해는 구성 요소를 사용하여 주어진 행렬을 설명하는 것을 포함합니다. 아마도 가장 잘 알려져 있고 널리 사용되는 행렬 분해 방법은 특이값 분해 또는 SVD일 것입니다. 모든 행렬에는 SVD가 있으므로 고유 분해와 같은 다른 방법보다 안정적입니다. 따라서 압축, 노이즈 제거 및 데이터 감소를 포함한 다양한 응용 분야에서 자주 사용됩니다. 이 튜토리얼에서는 행렬을 구성 요소로 분해하기 […]
매트릭스 분해는 더 복잡한 작업의 범위를 단순화하기 위해 매트릭스를 구성 부분으로 줄이는 데 유용한 도구입니다. 아마도 가장 많이 사용되는 행렬 분해 유형은 행렬을 고유 벡터와 고유 값으로 분해하는 고유 분해입니다. 이 분해는 주성분 분석 방법 또는 PCA와 같이 머신러닝에 사용되는 방법에서도 중요한 역할을합니다. 이 튜토리얼에서는 선형 대수학의 고유 분해, 고유 벡터 및 고유 값을 발견합니다. 이 […]
복잡한 행렬 연산은 컴퓨터의 제한된 정밀도를 사용하여 효율적으로 또는 안정적으로 해결할 수 없습니다. 행렬 분해는 행렬을 구성 부분으로 줄여 더 복잡한 행렬 연산을 더 쉽게 계산할 수 있도록 하는 방법입니다. 행렬 인수 분해 방법이라고도하는 행렬 분해 방법은 선형 방정식 시스템 풀기, 역함수 계산, 행렬 행렬식 계산과 같은 기본 연산에서도 컴퓨터에서 선형 대수학의 기초입니다. 이 자습서에서는 행렬 분해와 […]
딥 러닝에서는 Tensor를 기반이 되는 데이터 구조로 인식합니다. Tensor는 구글의 주력 머신러닝 라이브러리인 ‘Tensor플로우(TensorFlow)’의 이름에도 등장합니다. Tensor는 선형 대수학에서 사용되는 데이터 구조의 한 유형이며 벡터 및 행렬과 마찬가지로 Tensor를 사용하여 산술 연산을 계산할 수 있습니다. 이 튜토리얼에서는 Tensor가 무엇이며 NumPy를 사용하여 Python에서 Tensor를 조작하는 방법을 알아보겠습니다. 이 자습서를 완료하면 다음을 알 수 있습니다. Tensor는 행렬의 […]
행렬 연산은 많은 머신러닝 알고리즘에 대한 설명에 사용됩니다. 일부 연산은 주요 방정식을 푸는 데 직접 사용할 수 있는 반면, 다른 연산은 설명 및 더 복잡한 행렬 연산 사용에 유용한 팁 또는 기초를 제공합니다. 이 자습서에서는 머신러닝 방법 설명에 사용되는 중요한 선형 대수 행렬 연산을 알아봅니다. 이 자습서를 완료하면 다음을 알 수 있습니다. 행렬의 차원을 대칭 이동하기 위한 […]
많은 선형 대수학은 벡터와 행렬에 대한 연산과 관련이 있으며 다양한 유형의 행렬이 있습니다. 선형 대수학을 시작할 때 반복해서 접할 수 있는 몇 가지 유형의 행렬이 있으며, 특히 머신러닝과 관련된 선형 대수학의 일부입니다. 이 튜토리얼에서는 머신러닝에서 발생할 수 있는 선형 대수학 분야의 다양한 유형의 행렬 모음을 발견하게 됩니다. 이 자습서를 완료하면 다음을 알 수 있습니다. 정사각형, 대칭, […]
행렬은 선형 대수학의 기본 요소입니다. 행렬은 머신러닝 분야에서 알고리즘을 훈련할 때 입력 데이터 변수(X)와 같은 알고리즘 및 프로세스에 대한 설명에 사용됩니다. 이 튜토리얼에서는 선형 대수학의 행렬과 Python에서 이를 조작하는 방법을 알아봅니다. 이 자습서를 완료하면 다음을 알 수 있습니다. 행렬이란 무엇이며 NumPy를 사용하여 파이썬에서 행렬을 정의하는 방법. 덧셈, 뺄셈, 아다마르 곱과 같은 요소별 연산을 수행하는 방법. […]
벡터의 길이 또는 크기 계산은 머신러닝의 정규화 방법으로 직접 또는 더 광범위한 벡터 또는 행렬 작업의 일부로 필요한 경우가 많습니다. 이 튜토리얼에서는 vector norm이라고 하는 벡터 길이 또는 크기를 계산하는 다양한 방법을 알아봅니다. 이 자습서를 완료하면 다음을 알 수 있습니다. 벡터의 절대값의 합으로 계산되는 L1 norm 제곱 벡터 값의 합에 대한 제곱근으로 계산되는 L2 norm 최대 벡터 값으로 […]