파이썬 numpy로 단위행렬, 대각 행렬 생성하는 방법과 대각 행렬 요소를 추출하는 방법을 정리해보겠습니다. numpy에서 identity, eye, diag 함수를 제공합니다. identity : n 단위 행렬 생성 eye : 대각 행렬 생성 diag : 대각선 요소 추출 identity identity를 활용하면 필요한 number of rows의 단위행렬을 생성할 수 있습니다. 단위행렬이란 주 대각선 원소가 모두 1이며 나머지 원소는 0인 행렬을 말합니다. np.identity(n=3, dtype=np.int8) -- 출력 -- array([[1, 0, 0], [0, 1, 0], [0, 0, 1]], dtype=int8) np.identity(5) -- 출력 -- array([[1., 0., 0.,..
이번 포스팅은 numpy에서 array 생성 함수인 arange, ones, zeros, emtpy, _like에 대해 정리해보겠습니다. arange numpy에서 원하는 숫자 범위를 모두 포함하는 배열을 만드는 함수를 제공합니다. arange를 사용하면 원하는 숫자 범위, 숫자 간격에 따른 array를 생성할 수 있습니다. import numpy as np; np.arange(30) # range : List의 range와 같은 효과, integer로 0부터 29까지 배열 추출 -- 출력 -- array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29])..
이번 포스팅은 numpy의 Shape 다루기를 정리해보겠습니다. 머신러닝에서 행렬의 차원을 shape라는 개념으로 표현합니다. numpy에서도 차원을 다루기 위한 방법으로 shape을 제공하는데 어떻게 사용하는지 알아보겠습니다. 1. Shape 머신러닝에서 행렬의 차원을 shape라는 개념으로 표현합니다. 위와 같은 행렬이 있다고 한다면 1차원에 4, 2차원에 2로 (4,2)로 표현합니다. 그래서 앞으로 나오는 reshape에서 변수로 받는 부분은 차원을 의미합니다. 2. numpy Shape 다뤄보기. 2-1 reshape reshape 기능은 배열의 차원의 크기를 변경하는 방법입니다. 배열의 요소의 개수는 동일하며 차원만 조정합니다. 예를 들면 (2,4) 차원의 배열을 reshape 기능을 통해 (8..
numpy array의 특징과 사용법을 정리해보겠습니다. 1. np.array의 특징 numpy는 np.array 함수를 활용하여 배열을 생성합니다. numpy는 하나의 데이터 타입만 정의가 가능하며 배열에 넣을 수 있습니다. List와 가장 큰 차이점은 다이나믹 타이핑을 지원하지 않습니다. C의 Array를 사용하여 배열을 생성하여 속도가 빠릅니다. 2. np.array의 구조 파이썬의 리스트는 데이터 주소값을 저장합니다. 그리고 데이터를 가져 올때는 해당 주소에 가서 데이터를 가져오게 되죠. 하지만 Numpy Array는 C 배열과 유사하여 연속된 주소를 가지고 있습니다. 배열에 담긴 데이터를 가져온다면 순서대로 가져오면 되기 때문에 메모리를 효율적으로 사용합니다. 3. np.array 사용법 imp..
오늘은 머신러닝을 배우는데 있어서 필요한 numpy에 대해 정리해보겠습니다. 1. Numpy란? numpy는 Numerical Python의 약자입니다.파이썬의 고성능 과학 계산용 패키지로 Matrix와 Vector와 같은 Array 연산을 할때 사용하며 표준 라이브러리 처럼 사용하고 있습니다. 한글로는 넘파이로 주로 통칭하며, 넘피/늄파이라고도 부르기도 합니다. 2. Numpy 특징 numpy의 특징은 다음과 같습니다. 일반 List에 비해 빠르고, 메모리를 효율적으로 사용한다.반복문 없이 데이터 배열에 대한 처리를 지원하여 빠르고 편리하다.선형대수와 관련된 다양한 기능을 제공한다.C, C++, 포트란 등의 언어와 통합이 가능하다.3. Numpy 레퍼런스numpy를 학습할때 참고하면 좋은 사이트 목록입..
class TempComponent extends Component{ constructor(props){ super(props); } render(){ return(); } } React에서 Component를 생성할 때 state 값을 초기화하거나 메서드를 바인딩할 때 construcotr()를 사용합니다. React의 Component의 생성자는 해당 Component가 마운트 되기 전 호출됩니다. React.Component를 상속한 컴포넌트의 생성자를 구현할 때는 super(props)를 선언을 권고하고 있습니다. 이유는 this.props 사용 시 생성자 내에서 정의되지 않아 버그 발생 가능성이 생기기 때문입니다. class TempComponent extends Component{ constr..
Spring을 처음 배웠을때 Service, Dao를 Autowired로 필드 주입으로 배웠습니다. 당연히 지금까지 필드 주입으로 해야 한다고 생각 했습니다. 얼마전까지 node로 서버를 개발하다 다시 Spring을 사용해야 할때까지 말이죠. 하지만 최근에 Spring Boot 문서를 보다보니 Autowired를 필드 주입이 아닌 생성자 주입으로 권고 하고 있는 것을 알았습니다. 왜 필드 주입을 하는지 그리고 공식 문서에서 어떤 방식은 추천하는지 알아 보겠습니다. 1. Autowired 생성자 주입으로 변경하는 방법. 우리가 배워 왔던 방식은 아래와 같은 코드 입니다. public class ExampleCase{ @Autowired private ChocolateService chocolateServi..
머신러닝 알고리즘들 중 가장 심플하고 이해하기 쉬운 알고리즘인 KNN에 대해 알아보겠습니다. KNN은 최근접 이웃 알고리즘이라고도 합니다. 알고리즘의 이름 처럼 새로운 데이터를 입력 받았을 때 이 데이터와 가장 근접한 데이터들의 종류가 무엇인지 확인하고 많은 데이터의 종류로 분류하는 알고리즘입니다. Classification의 대표적인 알고리즘으로 지도 학습(supervisor Learning)에 해당합니다. KNN의 알고리즘의 정의와 Python으로 간단한 예제를 실행해볼게요. 1. KNN 알고리즘 KNN 알고리즘을 간단하게 정의 하자면 새로운 데이터와 기존 데이터들간 거리를 측정하고 가까운 데이터들의 종류가 무엇인지 확인하여 새로운 데이터의 종류를 판별하는 알고리즘입니다. 여기서 K는 인접한 데이터의..
- Total
- Today
- Yesterday
- React 프로젝트 생성
- vscode
- 버츄얼스튜디오코드
- 퍼셉트론
- JavaScript ID 정규식
- 리엑트
- 넘파이
- Node
- GPTGOT
- LeetCode 5월 챌린지
- LeetCode 30일 챌린지
- numpy
- 파이썬
- 머신러닝
- LeetCode 풀이
- 노드
- 30 Day LeetCode Challenge
- Java
- Next.js 프로젝트 생성
- git
- 에라토스테네스
- CHATGOT
- Component
- Python
- LeetCode 알고리즘 공부
- 지도학습
- react
- 파이썬 numpy
- Java leetcode
- GPT서비스
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |