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
- 글또9기
- 자료구조
- 운영체제
- 그래프데이터
- ML 파이프라인
- 논문 리뷰
- 선형대수학
- IT
- data structure
- 데이터 전처리
- 머신러닝
- Semantic segmentation
- OS
- 그래프씽킹
- mdp
- 강화학습
- Stack
- 윤성우의 열혈 자료구조
- MLOps
- 개발배경지식
- RL
- 딥러닝
- 데이터 검증
- recsys
- reinforcement learning
- CVPR
- agent
- TFX
- 텐서플로우 익스텐디드
- TFDV
Archives
- Today
- Total
목록수학 (1)
성장通
Rank, Basis, Span (+ Gram-Schmidt Process)
Rank, Basis, Span Rank, Basis 그리고 Span은 선형 대수학에서의 핵심 개념 중 하나이다. 이는 행렬 기반으로 연산이 수행되는 대부분의 머신러닝 개념의 근간이 되므로 잘 알아두는 것이 좋다. Rank Rank(랭크)는 행렬에서 선형 독립(일차 독립)인 행 또는 열의 최대 개수를 의미한다. 이는 또한 행렬이나 벡터 공간의 벡터로 만들 수 있는 부분 벡터 공간의 차원이다. 행렬의 실제 행 또는 열의 개수가 랭크보다 크다면 일부 벡터가 서로 선형 종속(일차 종속) 관계임을 알 수 있다. *일차 독립, 일차 종속이란? 일차결합, 일차종속, 일차독립 일차결합, 일차종속, 일차독립 일차결합 일차결합(Linear Combination)의 정의는 다음과 같다. 벡터공간 $V$의 공집합이 아닌 부..
ML&DL/머신러닝을 위한 수학
2024. 3. 16. 16:09