doing [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 [AI Bootcamp] N113 - Data Manipulation Data Manipulation 데이터 합치기 : 이어 붙이기 '+'연산자 사용 tostring join ❓ table JOIN: pd.concat([x, y]) # concate by row pd.concat([x, y], axis = 1) # concate by column : 공통된 부분을 기반으로 합치기 DataFrame.merge(붙일 내용, how='방법', on= 공통의 colu... AImerge데이터사이언스코드스테이츠ManipulationmeltdoingconcatbootcampAI
[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 [AI Bootcamp] N113 - Data Manipulation Data Manipulation 데이터 합치기 : 이어 붙이기 '+'연산자 사용 tostring join ❓ table JOIN: pd.concat([x, y]) # concate by row pd.concat([x, y], axis = 1) # concate by column : 공통된 부분을 기반으로 합치기 DataFrame.merge(붙일 내용, how='방법', on= 공통의 colu... AImerge데이터사이언스코드스테이츠ManipulationmeltdoingconcatbootcampAI