선형대수학

<aside> 💡 벡터 : 숫자의 나열. 숫자들의 묶음. x = (1, 2, 3)

</aside>

x = (1, 2, 3) , y = (4, 3, 1)

• 벡터의 연산 : x + y = (5, 5, 4) // 3 * x = (3, 6, 9)
• 벡터의 특징 : 원소값, 방향(상대적인 위치)
• 벡터의 차원 : 원소의 개수
• 벡터의 크기(norm) : 벡터의 모든 원소를 제곱하고 다 더한 뒤, 루트를 씌워준 값. → 원점과의 거리. (L2 norm)
• 벡터 공간(Vector Space) : 벡터가 정의되는 집합. 연산, 차원, 기저(basis)(=축), ...

통계

<aside> 💡 기술통계량(descriptive statistics) : 데이터에서 측정할 수 있는 요약된 수치값들.

</aside>

• 평균 : 모든 데이터의 값을 더한 다음, 개수로 나눈 값.
• 분산 : 데이터의 퍼진 정도. 각 데이터에서 평균을 뺀 값을 제곱해서 다 더한 뒤 데이터 개수로 나눈 값.
• 표준편차 : 분산의 양의 제곱근.
• 중앙값 : 오름차순으로 정렬을 했을 때, 한가운데 있는 값. e.g. 1 2 3 4 6 12 → 3.5
• 최빈값 : 데이터 중에서 가장 많이 등장한 횟수.
• 사분위수 : 오름차순으로 정렬해서 4등분한 지점. 25% / 50% / 75%

<aside> 💡 추론통계량(inferential statistics) : 모집단에 대해서 예측한 수치값들.

</aside>

• 모집단 : 우리가 알고 싶은 대상.
• 표본집단 : 모집단에 대상이 될 것 같은 데이터의 일부. (sample)
• 표본평균 : 표본집단의 평균.