336x280(권장), 300x250(권장), 250x250, 200x200 크기의 광고 코드만 넣을 수 있습니다.
np.linalg.inv
역행렬을 구할 때 사용.
모든 차원의 값이 같아야 함. (= 정방행렬)
@ 연산으로 행렬의 곱을 할 수 있다.
이 때 대각선은 항등행렬의 값인 1이 나왔지만
나머지는 0이 아닌 숫자로 나온것을 볼 수 있다.
하지만 e-14나 e-15는 엄청나게 작은 수로 거의 0과 같다고 볼 수 있기 때문에
0이라고 취급을 한다.
np.linalg.solve
np.linalg.solve(a, b)
Ax = B 형태의 선형대수식 솔루션을 제공.
x + y = 25
2x + 4y = 64
이 때, 실수는 어느정도의 아~~~주 작은 오차범위내에서는 같다라고 판단하기에
실수비교를 위해서 np.allclose( )함수를 사용하면 된다.
위 내용은 fastcampus 강의 내용을 정리한 것입니다.
'AI > 데이터분석' 카테고리의 다른 글
[pandas] series 데이터 생성하기 (0) | 2020.01.30 |
---|---|
[matplotlib] 그래프 그리기 (0) | 2020.01.22 |
[Numpy] Boolean indexing (0) | 2020.01.20 |
[Numpy] broadcasting 이해 및 활용하기 (0) | 2020.01.20 |
[Numpy] axis(축) 이해 (0) | 2020.01.19 |