본문 바로가기

전체 글108

클래스 변수와 인스턴스 변수 class Car: Manufacture = "India" def __init__(self, color, category='sedan'): self.color = color self.category = category Manufacture : 클래스 변수 클래스에 바로 선언된 속성 클래스에 의해 생성된 모든 객체에서 같은 값을 조회 self.color : 인스턴스 변수 __init__ 안에서 self를 통해 선언된 변수 객체가 인스턴스화될 때마다 새로운 값 할당 서로 다른 객체간에는 값 공유 X 2022. 1. 10.
생성자 __init__ Many classes like to create objects with instances customized to a specific initial state. Therefore a class may define a special method named __init__() def __init__(self): self.data = [] __init__ 메서드 안에 인자를 전달함으로써 인스턴스 객체의 속성을 초기화 __init__ 메서드 안에 정의된 속성(변수)은 클래스를 인스턴스화할 때 값을 설정할 수 있습니다. 이를 인스턴스 객체의 초기화 (initializing instance) 라고 히고, __init__함수는 생성자(constructor)라고 합니다. __init__ 역시 def 키워드로 정의 2022. 1. 10.
객체 지향 프로그래밍 객체 지향 프로그래밍(OOP : Object Oriented Programming) 컴퓨터 프로그램을 명령어의 목록으로 보는 시각에서 벗어나 여러 개의 독립된 단위인 객체들의 모임으로 파악 각각의 객체는 메시지를 주고 받고, 데이터를 처리 프로그램을 유연하고 변경이 쉽게 만들기 때문에 대규모 소프트웨어 개발에 많이 사용 개발과 보수가 간편하며, 직관적인 코드분석이 가능 지나친 프로그램의 객체화 경향은 실제 세계의 모습을 그대로 반영하지 못함 참고문헌 https://ko.wikipedia.org/wiki/%EA%B0%9D%EC%B2%B4_%EC%A7%80%ED%96%A5_%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D 2022. 1. 10.
5-2. 고유값 분해와 특이값 분해의 응용 본 글은 주재걸교수님의 인공지능을 위한 선형대수 강의를 듣고 정리한 내용입니다. 머신러닝에서 Eigendecomposition often handle symmetric positive definite matrix A : 3명에 대한 10개의 feature를 가지는 matrix ATA : inner product 기준으로 두 사람에 대한 similarity pariwise inner product similarity AAT : 특정 feature에 대한 inner product 를 기준으로 한 similarity principal component analysis gram matrix(feature inner product similarity) in style transfer Low Rank Approxi.. 2022. 1. 10.
5-1 특이값 분해 본 글은 주재걸교수님의 인공지능을 위한 선형대수 강의를 듣고 정리한 내용입니다. Singular Value Decomposition 직사각행렬에 대한 decomposition 𝑈 ∈ ℝ𝑚×𝑚 , 𝑉 ∈ ℝ𝑛×𝑛 : matrices with orthonormal columns, providing an orthonormal basis of Col 𝐴 and Row 𝐴, respectively • Σ ∈ ℝ𝑚×𝑛 : a diagonal matrix whose entries are in a decreasing order, i.e., 𝜎1 ≥ 𝜎2 ≥ ⋯ ≥ 𝜎min (𝑚,n) Another Perspective of SVD {𝐮1, … , 𝐮𝑛} for Col 𝐴 and {𝐯1, … , 𝐯𝑛} for Row 𝐴.. 2022. 1. 7.
4-5. 고유값 분해와 선형변환 본 글은 주재걸교수님의 인공지능을 위한 선형대수 강의를 듣고 정리한 내용입니다. Eigendecomposition A가 diagonalizable하면, 𝐷=𝑉−1𝐴𝑉. 위 식은 𝐴=𝑉𝐷𝑉−1 로 쓸 수 있다. 이를 eigendecomposition of 𝐴 라고 부른다. V : invertible(역행렬 존재) 𝐴 being diagonalizable is equivalent to 𝐴 having eigendecomposition Linear Transformation 𝑇(x)=𝐴x 𝑇(x) = 𝐴x = 𝑉𝐷𝑉−1x = 𝑉(𝐷(𝑉−1x)) 1. Change of Basis Let y=𝑉−1x. Then, 𝑉y=x y is a new coordinate of x with respect to a new ba.. 2022. 1. 6.

티스토리툴바