From_Base

📌 행렬 병합/연결 concatenate : 행렬에 행 또는 열 추가하기  NumPy에서 행렬에 행 또는 열을 추가하고싶다면 numpy.concatenate(A,B) 와 같이 concatenate 메서드를 사용하면 된다.기존행렬에 재료행렬을 병합함으로써 기존 행렬에 행이나 열을 추가하는 효과를 얻을 수 있는 것이다.C = numpy.concatenate( (A,  B), axis = n )  이때 concatenate의 첫번째 매개변수는 (병합 대상 행렬, 병합시킬 행렬)로 이루어진 튜플이고. 두번째 매개변수는 axis로, 병합의 축을 설정하는 매개변수이다.행렬 병합의 경우 axis값은 0 or 1로, axis=0 인 경우 병합의 축이 행으로 설정되어 - > 행 방향으로 연결, 즉 행렬의 하단에 행렬이..

📌 행렬 곱 dot product :  NumPy에서 행렬 A,B간의 행렬 곱을 수행하려면 numpy.dot(A,B) 와 같이 dot 메서드를 사용하면 된다. C = numpy.dot(A,B)  이때 dot product의 조건으로, 앞의 행렬인 A 행렬의 열 벡터와 뒤의 행렬인 B 행렬의 행 벡터가 같아야만 행렬 곱이 가능하다.즉, 앞부분의 열과 뒷부분의 행의 크기가 동일해야한다. 행렬 A: shape이 (m, n) 인 행렬. 즉, m개의 행과 n개의 열을 가진 행렬행렬 B: shape이 (p, q) 인 행렬. 즉, p개의 행과 q개의 열을 가진 행렬A x B 행렬 곱 결과인 행렬 C:  shape이 (m, q) 인 행렬이 연산 결과로 도출된다.  C = (A의 행 개수, B의 열 개수) 행렬 곱셈 ..

넘파이? 왜 사용할까 넘파이 라이브러리는, 파이썬을 이용하여 머신러닝/딥러닝을 개발할 경우에 매우 유용하여 필수적으로 사용되는 라이브러리  넘파이는 우리가 머신러닝 알고리즘을 구현할때 자주사용하는 벡터, 행렬 등을 표현하고 연산할 때 반드시 필요한 라이브러리이다.   행렬 연산에서의 numpy vs list:   특히나 넘파이를 이용한 행렬(matrix) 연산을 하는 경우, 넘파이는 외형적으로는 리스트 자료구조와 비슷해보인다. 둘의 차이는 무엇일까?    아래처럼 2차원 리스트 A와 B로 행렬을 선언한 다음 이 둘을 더하면 행렬 연산인듯 싶지만, 이는 그저 리스트 간의 연산일 뿐이다.  A = [ [1,0], [0,1] ]B = [ [1,1], [1,1] ]A + B #이는 행렬 연산이 아닌 그저 리스트..