반응형 데이터 및 Programing44 [기본개념] 고윳값과 고유벡터 (EigenValue, EigenVector, 예제 포함) 1. 정의 임의의 n×n 행렬 A 에 대하여, x ≠ 0 인 해를 갖게 하는 λ 를 행렬 A의 고유값 (Eigenvalue)이라 부른다. 그리고 이에 대응하는 벡터 x를 고유 벡터 (eigen vector) 라고 부한다. 2. 예제를 통한 고유값과 고유 벡터를 찾는 방법 행렬 A를 이용하여 고유값과 고유벡터를 찾는 과정을 설명하겠다. 우선 고유값과 고유 벡터의 정의를 이용하여 아래와 같이 정리 할 수 있다. 이를 다시 풀어 쓰면 2개의 수식으로 정리가 가능하다. 여기서 우변의 항들을 좌변으로 옮겨서 다시 정리하면 안래와 같이 정리가 가능하다. 위의 두 수식을 행렬로 표기하면 형태로 정리가 가능하다. 이 형태는 괄호안에 있는 식으로 부터 얻는 행렬은 역행렬을 가지지 않아야만 아무런 λ와 x=0이라는 ‘tr.. 2023. 3. 5. [기본개념] 고유값 분해 (EigenValue Decomposition, Eigen Decomposition, EVD) 1. 고유값 분해 - 고유값 분해는 고유값과 고유벡터로부터 유도되는 고유값 행렬과 고유벡터 행렬에 의해 행렬을 분해 하는 것을 말함. - Eigen decomposition 혹은 Eigen-Value Decomposition 으로 불리우고 있다. - 고유값 분해는 PCA (Principal component analysis, 주성분 분석), SVD (Singular Value Decomposition, 특이값 분해) 들과 아주 밀접한 관계를 가지고 있다. (공부 해 놓으면 쓸모가 많다는 의미로 보면 된다!) 2. 고유값 분해 표현 선형 독립을 만족하는 정방 행렬 A는 고유값 분해에 의해 다음과 같이 표현이 가능하다. 위의 수식에서 P는 고유 벡터를 열로 가지는 행렬, Δ는 고유값을 대각행렬로 가지는 대각.. 2023. 3. 5. [기본개념] 기댓값과 분산 그리고 공분산 1. 기댓값 (Expectation Value) - 어떤 확률 과정을 무한히 반복했을 때, 얻을 수 있는 값의 평균으로서 기대할 수 있는 값을 의미함. - 사건이 발생해서 얻는 값과 그 사건이 일어날 확률의 곱을 모든 사건에 대해 합한 값. - 엄밀히 보면 가중 평균이라고 볼수 있음. - 기대값은 성형성을 가지며, 이 성됩된다. (X,Y는 확률 변수이며, a는 상수) 2. 분산 (variance) - 확률변수가 기댓값으로부터 얼마나 떨어진 곳에 분포하는지를 가늠하는 수 - 기댓값은 확률 변수의 위치를 나타내고 분산은 그것이 얼마나 퍼져 있는지를 나타냄. - 관측 값에서 평균을 뺀 값을 제곱하고, 그것을 모두 더한 후 전체 개수로 나누어줌. (즉 편차 제곱의 평균값임, 관측값에 평균을 뺀값을 그냥 더해주면.. 2023. 3. 1. 전사 아키텍처(Enterprise Architecture), 시스템 아키텍처, 아키텍처의 정의와 구성요소 (모델, 규칙, 계획) 1. 전사 아키텍처 (Enterprise Architecture) 현대 사회의 조직은 조금씩 커지고, 방대해진 시스템을 갖게 되었음. 이에 전체 시스템을 이해하기 위해서 건축물의 설계도처럼 기업 전체의 정보화 시스템을 쉽게 파악할 수 있도록 하는것이 필요해 졌다. 이런 기업의 전체 정보화 설계도를 전사 아키텍처라고 한다. 전사 아키텍처는 기업의 목표와 요구를 효율적으로 지원하기 위해 IT 인프라의 각 부분들이 어떻게 구성되고 작동되어야 하는가를 체계적으로 기술한 것을 말한다. 이를 다르게 표현하면 복잡한 기업의 정보화 모습을 비지니스, 데이터, 어플리케이션(S/W), 기술 (H/W) 등 의 측면에서 분석하고 표현하기 쉽도록 정보 체계를 구축하고 이를 활용 하는 것이다. 여기서 말하는 전사란 ?! 기업 또.. 2023. 2. 3. 이전 1 2 3 4 5 ··· 11 다음 반응형
