반응형 학습공간/수치해석, 확률과통계, 이산수학 (8) 썸네일형 리스트형 [선형대수] 벡터, 행렬, n 차원 구조 벡터, 행렬, n차원 구조 (선형대수) 데이터마이닝연구세미나 과목에서는 선형대수학(Linear Algebra) 및 벡터(Vectors) 학습을 통해 머신러닝에 필요한 볼록해석학(Convex Analysis) 및 최적화 이론(Nonlinear Programming)에 대해 다룬다. ① 선형대수학(Linear Algebra) for Machine Learning 머신러닝을 이해하기에 앞서 선형대수학의 연립방정식, 선형생성, 선형독립과 관련 된 내용을 학습한다. · 선형연립방정식 풀이(System of Linear Equations) - Tableau Form 1) A𝑥 = b (𝑛-columns, 𝑚-rows) 선형연립방정식의 해는 총 3가지의 형태가 나온다. (유일 해, 부정_일반해-해가무수히많다, 불능-.. [Intro] 데이터마이닝연구세미나 성균관대학교 산업공학과 석박사과정에서 다루는 데이터마이닝방법론이다. 데이터마이닝연구세미나 → 데이터마이닝방법론1 → 데이터마이닝방법론2 학습 순서의 1번째 단계에 해당된다. 1960년대 이후부터 컴퓨터가 발달하고 수집된 빅데이터 분석을 보면 기존 노말 분포는 잘 맞지 않으며 MLE 방법이 최선이 아님을 알게 되었다. 이에따라 데이터 분석에 대한 새로운 이론이 필요히게 되었으며 SLT 이론이 등장하게 되었다. 1. 데이터마이닝연구세미나 : 머신러닝 관련 기본수학인 선형대수학(Convex Analysis)과 최적화이론(Non-linear Programming)에 대해 다룬다. 여기서 선형대수학은 일반 수학과는 달리 n차원 공간에 대한 기하학적 구조에 대해 공부하며 그 이해도를 높이는데 초점이 있다. 데이터마.. [C언어 수치해석] 2차 Simpson 방법과 3차 Simpson 방법 비교 [적분구간을 충분히 늘린 후 시행횟수를 비교] 3차 Simpson 방법 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 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 // Simpson 방법 3차 #include #include #define r 3.141592/180 double f(double x){ return exp(x)*sin(x); } double Fc(double x){ return (1/2.0)*(exp(x)*sin(x)-exp(x)*cos(x)); } double F(double x, double y){ return Fc(y)-Fc(x); } void main.. [C언어 수치해석] 직사각형 방법, 사다리꼴 방법, Simpson 방법 (수치적분) [개념설명] 1) 직사각형 방법 직사각형 방법은 f(x)의 a~b구간을 n등분 하여 각 구간의 밑변을 h로 하고 그때의 함수 값을 높이로 하여 n개의 직사각형 넓이를 모두 더하는 방법이다. 단점은 f(x)가 급격히 변화하는 그래프라면 정적분과의 오차가 심하게 난다는 것이다. 2) 사다리꼴 방법 사다리꼴 방법은 f(x)의 a~b구간을 n등분 하여 각 구간의 밑변을 h로 하고 그때의 함수 값을 높이로 하여 n개의 사다리꼴 넓이를 모두 더하는 방법이다. 직사각형 방법의 비효율을 사다리꼴을 통해 줄여주기 때문에 굉장히 효율적이지만, 역시나 f(x)가 곡선 그래프일 경우 어느 정도 오차가 발생한다. 3) Simpson 방법 Simpson 방법은 f(x)의 a~b구간을 n등분(n=짝수) 하여 각 구간의 밑변을 h로.. [C언어 수치해석] 라그랑지(Lagrange) 곡선 그리기 (MFC 활용) [라그랑지 함수 다항식의 해 구하기, MFC 구현_1차/2차/3차곡선] 라그랑지 곡선 그리기 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 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 11.. [C언어 수치해석] Pivoting 전략 (연립방정식의 해) [미지수 3개 연립방정식의 해] [미지수 4개 연립방정식의 해] 미지수 3개인 연립방정식의 해 구하기 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 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 1.. [C언어 수치해석] Gauss Jordan 소거법 (연립방정식의 해) [연립방정식의 해 미지수 n = 3개] [Gauss 소거 + 후진 대입법] 미지수 3개인 연립방정식의 해 구하기 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586#include #include #define Max_DIM 3 void printmatrix(float a[3][4], int n){ int i,j; for(i = 1; i [C언어 수치해석] 이분법, Scant법, Newton법 (근사해 구하기) [근사해 구하기 개념 설명] 문제 1번 (3가지 방법으로 비교해보기) 1) 이분법 2) Scant 방법 3) Newton 방법 >> 따라서 문제 1번의 근사 해는 오차범위 0.0001일때 0.5671이다. 문제2번 (3가지 방법으로 비교해보기) 1) 이분법 2) Scant 방법 3) Newton 방법 >> 따라서 문제 2번의 근사 해는 오차범위 0.00001일때 1.5099(약 1.51)이다. 이전 1 다음 반응형
