2021/01/14 eigenvector, PCA, One-hot-encoding

Linear transformations

• 선형변환의 개념을 기저벡터의 transform landing 위치로 이해하는게 직관적이다.

• R2 에서 2개의 기저벡터는 2차원 공간을 span 하기 때문에, 기저벡터의 선형변환 후, 스칼라 연산의 합(linear combination)으로 다시, 변형된 공간으로 모든 벡터가 span

eigenvector & eigenvalue

• 직접 한번 풀어보자 임의의 A 벡터를 가정

• 어차피 100퍼 이해해서, 체득하는 건 시간적으로 무리, 수학적으로 완벽하게 이해하기 보다. 한번 손으로 따라 써 보고, 기하학적인 직감, 느낌을 가지고 있는게 좋을 것 같다.
• 선형대수는 천천히 꾸준히 공부하자.

Uploaded by Notion2Tistory v1.1.0

주말/리뷰 시간을 활용해서 선형대수 배운것 까지는 다 따라서 써보고 코드를 정리하는 시간을 갖자.

🔥 PCA 패키지 말고 넘파이로 계산

🔥 선형대수 determination

🔥 벡터 norm

🔥 역행렬