[Machine Learning] Review on Linear Algebra & Probability (1)

머신러닝에 필수라는 선형대수와 확통! 제가 한번 복습! 해!보겠습니다! 씨빨!

 

Scalars

• A scalrars is a single number
• 그니까 그냥 '실수'같은 느낌, 방향이 없고 그 양을 나타내는 수
• Intergers(정수), real numbers(실수), rational numbers(유리수) ...
• We denote it with italic font

 

Vectors

• A vector is a 1-D array of numbers

• Example notation for type and size 

R은 real number이라는 type, n은 size를 나타냄

 

Matrices

• A matrix is a 2-D array of numbers

• Example notation for type and shape

A는 matrix 이름, R은 type, m*n은 row*column개수를 의미

Tensors

• 선형 관계를 나타내며, 데이터의 배열이라고 할 수 있음.
• 텐서는 기저(basis)를 선택하여 다차원 배열로 나타낼 수 있음. 쉽게 말해 몇차원의 배열인가를 나타냄
• A tensor is an array of numbers, that may have
  • zero dimensions, and be a scalar  : 0 - D tensor
  • one dimension, and be a vector     : 1 - D tensor
  • two dimension, and be a matrix    : 2 - D tensor
  • or more dimensions                        : 3d - tensor, 4d- tensor etc

Matrix Transpose

• 한국말로는 행렬의 전치라고 함. 말 그래도 row와 column을 전치하는 것

 

Norm

• Functions that measure how "large" a vector is
• Similar to a distance between zero and the point represented by the vector

 

• Lp norm의 형태이다. p가 1 일때는 L1 norm이 되고 p가 2 일때는 L2 norm이 된다.