Always awake,

본 포스팅의 모든 출처는 edwith의 고려대학교 주재걸 교수님의 "인공지능을 위한 선형대수" 강좌입니다 좋은 강의를 제공해주신 교수님께 감사드립니다 :) [LECTURE] Least Squares Problem 소개 : edwith 학습목표 이번 강의에서는 Least Squares Problem에 대한 소개와 함께 앞으로 Least Squares를 배우는데 필요한 개념들을 배워보도록 하겠습니다. 벡터와 관련된... - 커넥트재단 www.edwith.org 앞서 작성한 포스트를 읽고 오시면 이해하는데 더 도움이 됩니다 :) 2022.02.18 - [통계] - 선형독립과 선형종속 2022.02.14 - [통계] - 회귀분석과 해의 존재성 앞선 포스팅에서 아래의 문제를 다뤘습니다. $$ Ax = b $$ m..

본 포스팅의 모든 출처는 edwith의 고려대학교 주재걸 교수님의 "인공지능을 위한 선형대수" 강좌입니다 좋은 강의를 제공해주신 교수님께 감사드립니다 :) [LECTURE] 선형독립과 선형종속 : edwith 학습목표 이번 강의에서는 선형대수에서 중요한 개념 중 하나인 선형독립과 선형종속에 대해서 배우겠습니다. 그리고 이들이 선형 시스템 내에서 가지는 특성에 대해서도 알아보겠습니다. ... www.edwith.org 선형 독립, 선형 종속 Practical Definition n차원 공간에서 p개의 벡터 $v_1, v_2, ..., v_p$가 주어져 있을 때, 어떤 벡터 하나를 나머지 벡터들의 선형 결합으로 표현할 수 있다면 해당 vector들은 "선형 종속"이라고 합니다. 반대로 어떠한 벡터도 다른 벡..

본 포스팅의 모든 출처는 edwith의 고려대학교 주재걸 교수님의 "인공지능을 위한 선형대수" 강좌입니다 좋은 강의를 제공해주신 교수님께 감사드립니다 :) 인공지능을 위한 선형대수 강좌소개 : edwith - 주재걸 교수 www.edwith.org 회귀분석에서 다음과 같은 문제를 푼다고 합시다 키, 몸무게, 흡연여부가 수명에 미치는 영향을 확인하고 싶은 것입니다. 이 때 우리가 풀 연립방정식은 아래와 같습니다 $60x_1 + 5.5x_2 + 1x_3 = 66$ $65x_1 + 5.0x_2 + 0x_3 = 74$ $55x_1 + 6.0x_2 + 1x_3 = 78$ 이를 아래와 같이 matrix와 vector로 표현할 수 있습니다 그리고 $A$의 컬럼 벡터(column vector)를 이용하여 아래와 같이 ..