벡터

5단 분석법

정의

일반 명사

5단 분석법

순서	분석	단어	내용
1	일반 명사	벡터	크기와 방향을 함께 갖는 양
2	고유 명사 (컴퓨터)	벡터	- 화상의 표현 요소로서의 방향을 지닌 선, 선 그림 (화살표) - 동적 배열 자료구조를 뜻하기도 함
	고유 명사 (머신러닝)	벡터	입력 데이터를 표시하는 방법
3	사용 이유	벡터	데이터를 수치적으로 표현하여 연산과 분석을 쉽게 수행할 수 있게 하기 때문에
4	사용 방법	벡터
5	다른 기술과의 비교	벡터	-

정의

일반 명사

벡터	크기와 방향을 함께 갖는 양

벡터는 물리학과 수학에서 크기와 방향을 함께 갖는 양을 의미합니다.

예를 들어, 속도, 힘, 가속도 등은 모두 벡터입니다.

무언가 아직 느낌이 오지는 않는데, 고유 명사를 한 번 알아볼까요?

고유 명사

벡터	- 화상의 표현 요소로서의 방향을 지닌 선, 선 그림 - 동적 배열 자료구조를 뜻하기도 함

컴퓨터 그래픽스에서는 벡터가 이미지의 표현 요소로 사용됩니다.

벡터 그래픽스는 점과 선, 곡선을 사용하여 이미지를 표현하며, 해상도에 영향을 받지 않는 장점이 있습니다.

또한, 프로그래밍에서는 동적 배열 자료구조를 벡터라고 부르며, 크기가 가변적인 배열을 의미합니다.

벡터	입력 데이터를 표시하는 방법

머신러닝에서는 벡터가 입력 데이터를 표현하는 데 사용됩니다.

각 벡터는 다차원 공간에서 하나의 점을 나타내며, 데이터의 여러 특성을 포함할 수 있습니다.

예를 들어, 이미지의 픽셀 값이나 텍스트의 단어 빈도 등을 벡터로 표현할 수 있습니다.

사용 이유

벡터	데이터를 수치적으로 표현하여 연산과 분석을 쉽게 수행할 수 있게 하기 때문에

머신러닝 또는 딥러닝에서 벡터를 사용하는 이유는 데이터를 수치적으로 표현하여 연산과 분석을 쉽게 수행할 수 있게 하기 때문입니다.

이유	설명
수치적 표현	데이터를 수치적으로 표현함으로써 수학적 연산과 분석이 용이합니다.
고차원 데이터 처리	벡터는 다차원 데이터를 간편하게 표현하고, 처리할 수 있습니다.
기하학적 해석	벡터 공간에서의 기하학적 해석이 가능하여, 데이터의 패턴을 시각적으로 이해할 수 있습니다.
선형 대수 연산	벡터는 선형 대수의 기본 단위로, 행렬과의 연산을 통해 다양한 알고리즘을 구현할 수 있습니다.

사용 방법

벡터 정의 및 생성

벡터는 데이터를 수치적으로 표현하기 위해 사용됩니다.

벡터는 1차원 배열로 표현할 수 있으며, 각 요소는 데이터의 특정 특성을 나타냅니다.

import numpy as np

# 벡터 생성
vector_a = np.array([1.5, 2.3, 3.0])
vector_b = np.array([4.1, 5.6, 6.2])

print("Vector A:", vector_a)
print("Vector B:", vector_b)
Python
복사

이 코드는 벡터를 정의하고 생성하는 방법을 보여줍니다.

numpy 라이브러리를 사용하여 벡터를 쉽게 생성할 수 있으며, 각 벡터는 데이터를 수치적으로 표현하는 데 사용됩니다.

Google Colab

https://colab.research.google.com/drive/1gO7oqvgKud4mhmeDV7QlLXqyU3Z8frmN?usp=sharing

알아 두면 좋은 정보

벡터 vs. 행렬 vs. 텐서

용어	설명
벡터	1차원 배열로, 크기와 방향을 갖는 양
행렬	2차원 배열로, 행과 열로 구성됨
텐서	다차원 배열로, 여러 차원을 포함

벡터 (1차원 배열)

벡터는 하나의 차원을 가지는 배열로, 각 요소가 하나의 값을 나타냅니다.

벡터는 머신러닝에서 특징 벡터, 텍스트 분석에서 단어 임베딩, 이미지 처리에서 픽셀 값 등의 형태로 사용됩니다.

import numpy as np

# 1차원 배열 (벡터) 생성
vector = np.array([1.5, 2.3, 3.0])
print("1차원 배열 (벡터):", vector)
Python
복사

행렬 (2차원 배열)

행렬은 두 개의 차원을 가지는 배열로, 행과 열로 구성됩니다

행렬은 벡터의 집합으로 볼 수 있으며, 이미지 데이터나 선형 방정식의 계수 행렬로 사용됩니다.

# 2차원 배열 (행렬) 생성
matrix = np.array([[1.5, 2.3, 3.0], [4.1, 5.6, 6.2]])
print("2차원 배열 (행렬):\n", matrix)
Python
복사

텐서 (다차원 배열)

텐서는 여러 개의 차원을 가지는 배열로, 고차원 데이터를 표현하는 데 사용됩니다.

텐서는 주로 딥러닝에서 이미지, 비디오, 음성 데이터를 처리할 때 사용됩니다.

# 3차원 배열 (텐서) 생성
tensor = np.array([[[1.5, 2.3, 3.0], [4.1, 5.6, 6.2]],
                   [[7.1, 8.4, 9.3], [10.5, 11.2, 12.7]]])
print("3차원 배열 (텐서):\n", tensor)
Python
복사

Google Colab

https://colab.research.google.com/drive/1tgdQiBNH9quYYC3Sb2JtDMXPNZh7HXCF?usp=sharing