MMD#선형대수#머신러닝#고유값#PCA#차원축소#공분산행렬
고유값·고유벡터와 PCA: 선형대수 기초 4장 (완결)
행렬식의 기하학적 의미, 기저와 생성, 고유값·고유벡터 계산, 차원 축소(PCA)의 작동 원리와 수식, 마르코프 행렬까지 선형대수 핵심을 완결합니다.
·15분 읽기
태그
총 4개의 포스트
행렬식의 기하학적 의미, 기저와 생성, 고유값·고유벡터 계산, 차원 축소(PCA)의 작동 원리와 수식, 마르코프 행렬까지 선형대수 핵심을 완결합니다.
벡터의 노름·점곱·스칼라 곱, 선형 변환의 개념, 행렬 곱셈, 역행렬 계산법, 그리고 이 모든 개념이 뉴럴 네트워크(퍼셉트론)에서 어떻게 연결되는지 정리했습니다.
소거법으로 선형방정식을 푸는 방법, 행렬의 행 사다리꼴(REF)과 기약 행 사다리꼴(RREF), 가우스 소거법, 랭크(Rank)까지 핵심 개념을 정리했습니다.
선형방정식 시스템이 머신러닝에서 어떻게 활용되는지, 특이행렬과 비특이행렬의 차이, 선형 독립/종속, 행렬식 계산법까지 핵심 개념을 정리했습니다.