-Solving Linear Equations
linear equation은 보통 다음과 같이 나타낸다.
이 방정식도 행렬-벡터 곱으로 나타내어질수가 있다.
예를 들어 한 방정식이 있다고 하자
이런 방정식을 해결하려면
- 역행렬 계산:
- 양쪽변에 역행렬을 곱해준다
해답이 나온다.
- Markov Chain: 이산 시간 확률 과정이다. 미래를 예측하기 위한 일종의 조건부 확률로 이루어진 모델링. 각 시점의 사건확률은 이전 시점의 사건에 의해서 결정이 된다.
- transition matrix: Transition matrix(전이 행렬)는 상태 공간에서 상태가 다른 상태로 전이할 확률을 나타내는 행렬이다. 전이 행렬은 마코프 체인(Markov Chain)이나 상태 공간 모델(State Space Model)과 같은 확률적인 시스템을 모델링하는 데 사용된다.
- 만약 상태가 S1S2,,,,,,,,Sn이라면 전이 행렬은 행렬이 된다.
- 행렬의 각 요소 aij은 상태 Si에서 상태 Sj로 전이할 확률을 나타낸다
마르코프체인을 사용함으로 다다음 상태의 확률까지 계산을 할수가 있다.
*Steady State transition matrix: Steady State transition matrix은 전이행렬을 계속 곱한다고 해도 더이상 변하지 않는 행렬을 칭한다.
'머신러닝' 카테고리의 다른 글
Linear Regression(2) (0) | 2024.04.01 |
---|---|
Linear Regression(1) (0) | 2024.03.25 |
Mathematics for Machine Learning(1) (0) | 2024.03.23 |
머신러닝의 종류 (0) | 2024.03.10 |
머신러닝 개요 (0) | 2024.03.10 |