Matrix for AI


この文章はBoost camp AI技術の第3期課程を聞いてまとめた文章です.

マトリックスの定義と理解


ベクトルを要素とする2 D配列。



行列は空間の「複数の点」を表します。



行ベクトルX iはi号面データを示す

行列をベクトル空間で使用される演算子として理解する

  • 行列乗は、ベクトルを別の次元の空間
  • に送信することができる.
  • マトリクスに抽出可能モード、
  • 圧縮可能データ
  • すべての線形変換はマトリクス乗算として計算できます
    ※DLにおける線形変換と非線形関数(softmax,Relu,…)の合成、

  • マトリックス演算


    マトリックスの加算


    同じ形状の場合、+、-、∮、スカラー乗算

  • 方式ベクトルの加算、減算、乗算に等しい
  • 同じ位置の要素間+、-、x
  • マトリックス乗算


    前行列の列数==後行列の行数


    計算
  • XYの場合
  • Xの列数=Yの行数
  • (n m)(m a) => n*a
  • 結果のij=iループ行後端とjループ列後端の内部



  • "numpy"使用"@"
  • import numpy as np
    X = np.array([1,2,3],[4,5,6],[7,8,9]]
    y = np.array([1,2,3],[4,5,6],[7,8,9]]
    X @ Y # X와 Y의 행렬곱

    マトリックスの内積?


  • 数学で言う内積とは違います.

  • XY^Tとして計算


  • np.内部使用:i行バックグラウンドとj行ベクトルの間の内部成分を使用してマトリクスを作成する
  • import numpy as np
    X = np.array([1,2,3],[4,5,6],[7,8,9]]
    y = np.array([1,2,3],[4,5,6],[7,8,9]]
    np.inner(X,Y) # X와 Y의 내적

    ぎゃくれつ


    ぎゃくマトリクス



    逆行列は、行と列の数値が等しく、行列式(行列式)が0でない場合にのみ計算されます.
    import numpy as np
    X = np.array([1,2,3],[4,5,6],[7,8,9]]
    np.linalg.inv(X) # 역행렬 구하는 함수 

    逆行列を計算できない場合は、類似の逆行列またはMoorpenrose逆行列を使用します。


    import numpy as np
    X = np.array([1,2,3],[4,5,6],[7,8,9]]
    np.linalg.pinv(X) # 무어펜로즈 역행렬 구하는 함수 

    ムルフェン・ロス逆行列を利用すれば


  • 連立方程式の解の一つを求めることができる.

    否定または無数の年と呼ばれる連立方程式では,優れた多解のうちの1つの解を求めることができる.

  • 線形回帰式が見つかります.
    np.linalg.pinv(X)の使用
    で係数Bを見つける.
    すべてのデータ((x,y)対)が線形ではないため、方程式を解くことはできません.
    モルボンズ逆行列を用いてyに近いy^を見つけることができる.
  • マトリックスの応用