MAE [AI Bootcamp] N131 - Linear Algebra (1) 특히, 인간의 입장에서 인과관계를 명확하게 이해할 수 있는 경우는 선형적인 관계일 때 -> input, output 변수가 모두 여러개 있을 때, 이들이 모두 선형적인 관계로 얽혀있다고 가정하는 것 = 행렬(Matrix) 👀 사람이 시각적으로 이해할 수 있는 것은 3차원이 끝 -> 그 이상은 숫자로 표현 수학자: 어떤 것이든지 벡터가 될 수 있다 e.g. 벡터 간의 덧셈, 상수배 etc 가능... doingMAE코드스테이츠AIMSEmatrixinverse matrixidentity matrixvectordeterminant데이터사이언스bootcampAI [Pythhon] MAE로 척도가 다른 시간 시퀀스 데이터의 유사도 비교 모양이 비슷한 도표(시간 서열 데이터)를 찾고 싶었을 거야. 이번에는 척도는 다르지만 모양이 비슷한 시간 서열 데이터를 찾기 위해 정규화 비례자를 MAE(평균 절대 오차)로 비교하는 방법을 썼다. 평소 에 주식 투자에 대해 외형이 비슷한 주식(예를 들어 일관 충격으로 크게 변동한 주식을 추출하는 것)을 선별하고 싶다고 적혀 있다. 외형이 비슷한 브랜드를 선별하는 장점으로 ・모양이 같은 브랜드... MAEPythonstock
[AI Bootcamp] N131 - Linear Algebra (1) 특히, 인간의 입장에서 인과관계를 명확하게 이해할 수 있는 경우는 선형적인 관계일 때 -> input, output 변수가 모두 여러개 있을 때, 이들이 모두 선형적인 관계로 얽혀있다고 가정하는 것 = 행렬(Matrix) 👀 사람이 시각적으로 이해할 수 있는 것은 3차원이 끝 -> 그 이상은 숫자로 표현 수학자: 어떤 것이든지 벡터가 될 수 있다 e.g. 벡터 간의 덧셈, 상수배 etc 가능... doingMAE코드스테이츠AIMSEmatrixinverse matrixidentity matrixvectordeterminant데이터사이언스bootcampAI [Pythhon] MAE로 척도가 다른 시간 시퀀스 데이터의 유사도 비교 모양이 비슷한 도표(시간 서열 데이터)를 찾고 싶었을 거야. 이번에는 척도는 다르지만 모양이 비슷한 시간 서열 데이터를 찾기 위해 정규화 비례자를 MAE(평균 절대 오차)로 비교하는 방법을 썼다. 평소 에 주식 투자에 대해 외형이 비슷한 주식(예를 들어 일관 충격으로 크게 변동한 주식을 추출하는 것)을 선별하고 싶다고 적혀 있다. 외형이 비슷한 브랜드를 선별하는 장점으로 ・모양이 같은 브랜드... MAEPythonstock