Bootcamp Machine Learning day00
-
머신러닝 기초공부 day00에서 느낀점을 적는다.
ex00
- Vector class를 구현한다.(Numpy 사용 금지)
__add__ 와 __sub__를 구현할때 scalar인지 vector인지 구분하여 경우를 나누고
__vector__끼리 연산일땐 차원이 같은지 유의해서 구현한다.
__div__를 구현할땐 scalar값만 가능하다. 즉 벡터끼리 나누는것은 불가능하다.
__mul__을 구현할땐 Vector * Vector는 dot product로 scalar값이 나오고
scalar * Vector는 Vector가 나옴에 유의한다.
벡터끼리 연산시 차원이 같아야함에 유의한다.
-
__str__과__repr__:공통점은 둘다 문자열을 반환한다.
__str__은 태생적인 목적이 인자를 ‘문자열화’해 반환한다.repr은 객체를 인간이 이해할 수있게 표현 한것이다.
__str__가 서로 다른 자료형 간에 인터페이스를 제공하기 위해서 존재한다면, repr은 해당 객체를 인간이 이해할 수 있는 표현으로 나타내기 위한 용도이다.**
ex01
- Matrix class를 구현한다.(Numpy 사용 금지)
Vector class와 유사하지만
__mul__연산시 유의한다.
2차원 곱이 되는지 확인한다. > (m x n) * (n x k) = (m x k)
아래는 그이상에서 행렬 곱이 가능한지를 확인할 때 참고하자
5차원 텐서 사이의 행렬 곱
그러면 아래와 같이 5차원 텐서 사이의 행렬 곱(tf.matmul)도 작동할까요?
A = tf.Variable(tf.random_normal([5, 4, 10, 2, 3]))
B = tf.Variable(tf.random_normal([5, 4, 10, 3, 7]))
C = tf.matmul(A, B)
가능합니다! 위 코드를 아래와 같이 실행해보면 오류 없이 잘 실행되고 C의 차원으로 5x4x10x2x7을 얻었습니다.
이를 통해 3차원 이상의 텐서 사이의 행렬 곱은 행렬의 차원을 나타내는 마지막 두 개의 차원(2x3, 3x7) 사이에 행렬 곱이 가능하고 행렬 앞에 있는 차원(5x4x10)이 같으면 가능한 것을 알 수 있습니다.
ex02
간단한 통계공부이다.
평균(mean), 중간값(median), 사분위수(quartiles), 분산(variance ), 표준편차(standard deviation)
이다.
ex03
간단한 예측을 만든다
x가 입력으로 주어졌을때 theta를 적용하여 y_hat를 리턴한다.
ex04
ex03에서 x배열에 1 값의원소를 추가한다 ( theta_0을 dot_product에 적용시키기 위함)
ex05
ex04에서 만든 배열로 행렬곱을 해 theta_0을 y_hat의 에 적용되게 해준다.
ex06
matplot을 이용해 그래프를 그린다.
y값을 특정해 둔후 theta에 따른 y_hat과 얼마나 유사한지 판별할 수 있다.
ex07
평가함수를 만든다.
MSE /2인데 2로 나누는 이유가 있다고 한다.
ex08
이 공식을 이용하여 @연산으로 평가 cost를 반환한다.
ex09
평가점수를 시각화한다.
ex 10
선형대수에서 행렬의 교환법칙이 성립하는가?
왜 배열에 값이 1인 열을 추가하는가?
등의 간단한 질문이 이어진다.