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 |
Tags
- 윤성우의 열혈 자료구조
- TFX
- 데이터 전처리
- reinforcement learning
- data structure
- 그래프데이터
- 글또9기
- 개발배경지식
- 강화학습
- RL
- Stack
- TFDV
- 논문 리뷰
- agent
- mdp
- 자료구조
- Semantic segmentation
- recsys
- ML 파이프라인
- CVPR
- 운영체제
- 선형대수학
- 딥러닝
- 텐서플로우 익스텐디드
- 데이터 검증
- 머신러닝
- MLOps
- 그래프씽킹
- OS
- IT
Archives
- Today
- Total
목록고유공간 (1)
성장通
고윳값, 고유벡터, 고유공간
고윳값, 고유벡터, 고유공간 고윳값, 고유벡터, 고유공간은 선형대수학의 핵심 개념 중 하나이며 이는 특정 벡터 공간에 대한 핵심적인 정보를 주므로 명확히 알아둘 필요가 있다. 간단히 개념을 정리해 보자. 고윳값, 고유벡터 $n \times n$ 정방 행렬 $A$와 상수 $\Lambda$에 대하여 $Ax = \Lambda x$가 성립하는 0이 아닌 벡터 $x$가 존재할 때, 상수 $\Lambda$를 행렬 $A$의 고윳값(eigenvalue)라고 하며, $x$를 이에 대응하는 고유벡터(eigenvector)라고 한다. 고윳값은 최소 1개에서 최대 서로 다른 n개(행렬 $A$의 랭크의 수)까지 존재할 수 있으며, 행렬 $A$의 모든 고윳값 집합을 행렬 $A$의 스펙트럼(spectrum)이라고 한다. 또, 이 ..
ML&DL/머신러닝을 위한 수학
2024. 3. 20. 20:50