[NumPy] 표준 정규 분포 난수 배열 생성하기: np.random.randn() 사용 및 설명
소개 np.random.randn(d0, d1, ..., dn) 함수는 주어진 차원 d0, d1, ..., dn에 따라 표준 정규 분포(평균 0, 표준편차 1)를 따르는 난수를 생성하는 함수입니다. 배열의 각 요소는 표준 정규 분포에 의해 무작위로 결정되며, 다양한 차원의 배열을 생성할 수 있습니다. 이 함수는 통계적 샘플링, 모델 초기화, 몬테카를로 시뮬레이션 등에서 자주 사용됩니다. 기본 사용법import numpy as np# 1차원 배열에서 5개의 표준 정규 분포 난수 생성random_array_1d = np.random.randn(5)# 2x3 배열에서 표준 정규 분포 난수 생성random_array_2d = np.random.randn(2, 3)print("1D 정규 분포 난수 배열:", r..
2024. 10. 3.
[NumPy] 랜덤한 배열 생성 생성하기: np.random.rand() 사용 및 설명
소개 np.random.rand(d0, d1, ..., dn) 함수는 주어진 차원 d0, d1, ..., dn에 따라 0과 1 사이의 균등 분포를 따르는 난수를 생성하는 함수입니다. 배열의 각 요소는 0 이상 1 미만의 난수로 채워지며, 다차원 배열을 만들 수 있습니다. 이 함수는 몬테카를로 시뮬레이션, 임의의 값 생성, 모델 초기화 등에 유용하게 사용됩니다. 기본 사용법import numpy as np# 1차원 배열에서 5개의 난수 생성random_array_1d = np.random.rand(5)# 2x3 배열에서 난수 생성random_array_2d = np.random.rand(2, 3)print("1D 랜덤 배열:", random_array_1d)print("2D 랜덤 배열:\n", rando..
2024. 10. 3.
[NumPy] 선형 방정식 해결하기: np.linalg.solve() 사용 및 설명
소개 np.linalg.solve(a, b) 함수는 주어진 행렬 a와 벡터 또는 행렬 b를 기반으로 선형 방정식 시스템 a * x = b의 해를 구하는 함수입니다. 이 함수는 시스템을 직접 풀기 위한 빠르고 효율적인 방법을 제공하며, 선형대수학, 과학적 계산, 머신러닝 등에서 자주 사용됩니다. 기본 사용법import numpy as np# 2x2 행렬의 방정식 시스템 해결A = np.array([[3, 1], [1, 2]])B = np.array([9, 8])solution = np.linalg.solve(A, B)print("방정식의 해:", solution)상세 설명a: 계수 행렬로, 반드시 정사각 행렬이어야 하며, 행렬의 각 요소는 시스템의 계수입니다.예시: np.linalg.solve([[3, ..
2024. 10. 3.
[NumPy] 행렬의 고유값 및 고유벡터 구하기: np.linalg.eig() 사용 및 설명
소개 np.linalg.eig(a) 함수는 주어진 행렬 a의 고유값과 고유벡터를 계산하는 함수입니다. 고유값과 고유벡터는 선형대수학에서 중요한 개념으로, 행렬의 변환 성질을 분석하는 데 유용합니다. np.linalg.eig() 함수는 행렬의 대각화, 시스템 안정성 분석, 과학적 계산, 데이터 분석 등의 다양한 분야에서 사용됩니다. 기본 사용법import numpy as np# 2x2 행렬의 고유값과 고유벡터 계산matrix = np.array([[1, 2], [2, 3]])eigenvalues, eigenvectors = np.linalg.eig(matrix)print("고유값:\n", eigenvalues)print("고유벡터:\n", eigenvectors)상세 설명a: 고유값과 고유벡터를 계산할 ..
2024. 10. 3.
[NumPy] 상관 계수 구하기: np.corrcoef() 사용 및 설명
소개 np.corrcoef(x, y=None, rowvar=True, bias=, ddof=, dtype=None) 함수는 주어진 데이터 x와 선택적으로 y의 상관 계수 행렬을 계산하는 함수입니다. 상관 계수는 두 변수 간의 선형 관계를 측정하며, -1에서 1 사이의 값을 가집니다. 1에 가까울수록 양의 상관, -1에 가까울수록 음의 상관, 0에 가까울수록 무상관을 나타냅니다. 이 함수는 데이터 분석과 통계학에서 변수 간의 관계를 파악할 때 자주 사용됩니다. 기본 사용법import numpy as np# 두 변수 간의 상관 계수 행렬 계산x = np.array([1, 2, 3, 4, 5])y = np.array([10, 9, 6, 3, 1])corr_matrix = np.corrcoef(x, y)pri..
2024. 10. 3.
[NumPy] 공분산 구하기: np.cov() 사용 및 설명
소개 np.cov(m, y=None, rowvar=True, bias=False, ddof=None, fweights=None, aweights=None) 함수는 주어진 데이터 m의 공분산 행렬을 계산하는 함수입니다. 공분산은 두 변수 간의 선형 관계를 나타내며, 이 함수는 변수 간의 상관성을 분석할 때 유용합니다. np.cov()는 데이터 분석, 통계학, 금융 분석 등에서 자주 사용됩니다. 기본 사용법import numpy as np# 두 변수 간의 공분산 계산x = np.array([1, 2, 3, 4, 5])y = np.array([5, 4, 6, 8, 10])cov_matrix = np.cov(x, y)print("공분산 행렬:\n", cov_matrix)상세 설명m: 공분산을 계산할 데이터 배..
2024. 10. 3.
