[선대] 3-5강. 최소자승법 & 정사영 행렬 (Least squares & Projection matrix)

[@hyukppen]

>
rank 구하기 예제: th-cam.com/video/7LDebT9p4es/w-d-xo.html
중간고사 만점대비반 20 문제: th-cam.com/video/Ya1810qcvjg/w-d-xo.html
Ax=b 해의 수 판단: th-cam.com/video/fMk84aazEdM/w-d-xo.html
최소자승법 3 문제: th-cam.com/video/g-3B8b-8u5Q/w-d-xo.html
고윳값 분해 6문제: th-cam.com/video/G9XTXqzALHg/w-d-xo.html
주성분 분석 연습 문제: th-cam.com/video/optHJg50opo/w-d-xo.html
특이값 분해 연습문제: th-cam.com/video/lVHF1eOmOQQ/w-d-xo.html

[@djslsnxpdjxb4302]

와... 이건 진짜 레전드 강의입니다. column space랑 full rank가 이렇게 응용되는군요

[@dkrlwnstn1]

정주행 하고 다시 보니까 또 새롭게 느껴지네요 감사합니다.

[@5minutes-j8u]

Linear regression에서 떠돌다가 이 강의 보고 머리를 탁 치고 갑니다 사랑해요

[@qhgkk]

3:18~3:35 에서
x햇 앞에 있는거에 x햇을 곱했을 때 0이 되는데 그렇다고 x햇 앞에 있는 애가 0이여야 하는게 순간 이해가 안갔는데,
x햇 앞에 있는 거가 0이 되는게 곱이 0일 필요조건인데 그걸 만족하는 Ax햇 이 column space에서 1개니까 그걸 구하기 위해 x햇 앞에게 0인걸 찾아본 거라고 이해하면 된 걸까요?
아니면 다른 이유가 있는걸까요?

[@figureyoo7557]

설명 잘하고 편집도 빠르게 보기 편해서 좋다

[@배진영-p9f]

진짜 ㄹㅈㄷ 강의... 감사하고 또 감사합니다

[@비싸게사서싸게파는놈]

The elements of statistical learning 책 혼자 보고 엄청 헤맸는데 이렇게 잘 설명해주시네요. 고맙습니다.

[@devsudong]

와 진짜 영어 교재만 보다가 한국어로 설명해주시니깐... 이 레전드는 널리 퍼져야해!!

[@한상희-w4c]

와 이것때문에 1주일간 머리 쥐어짯었는데, 영상 보자마자 바로 이해했습니다. 진짜 감사드려요ㅠㅜ

[@science_100]

12월 20일 동안 선대 다듣기 19강 완료 (혁형. 정말 사랑하고 감사합니다)

[@maktube_220]

결국 혁펜님은 이때부터 잘될 사람이었던것 같다... 항상 화이팅.

[@냥도리친구]

그저 빛 갓펜하임!

[@Noelin397]

Digital predistortion 공부중 헷갈려서 들었는데 정말 도움이 많이 되네요 특히 측정값 얘기
하실때 소름이 ㅋㅋㅋㅋㅋㅋ

[@sungbeom8796]

틈틈이 보고 있는데 너무 재밌네요ㅋㅋ

[@김대정-q5l]

진짜 최고의 강의입니당!

[@김신-r4j]

알기 쉽게 설명 잘해주시네요 감사합니다!

[@jjang0403]

너무 너무 감사합니다. 많이 유익했어요,

[@jungeunk]

간결하고 명확하네요. 감사합니다😊

[@maeradjang]

재밋게 잘봤습니다!! 항상 감사합니다

[@pianiko]

제 중간고사를 지켜주셔서 감사합니다

[@jihoonjeon1958]

형 감사히 보고 있습니다 !!

[@kwang-jebaeg2460]

넘 유익합니다! 감사합니다 :))

[@sweet_oksusuu]

오... 대박👏👏 column space로 보니까 이해 잘 되네요!.. 잘 보고 갑니다~!~!

[@wawab5710]

진짜 레전드....

[@박승현-s8p]

대학원 들어가기 전에 선형대수학 다시 공부하고 있는데 도움이 많이 되네요ㅎㅎ 감사합니다.

[@kimglgl]

대단하십니다

[@호챠-k3d]

이해가 잘되어서 댓글을 남깁니다. 감사합니다

[@사람-q3j9g]

와.. 포기하려했는데 감사합니다...

[@wisdomoverflowing4266]

4:10 부근에서 rank(AT*A)=rank(A)를 이해하는데 도움이 되는 강의가 있을까요?

[@김민지-y4f]

진짜 감사…

[@감자깡다구]

제 선형대수학의 한줄기 빛입니다... 정말정말 감사합니다(넙죽)

[@김선우-m6f]

감사합니다

[@임성진-w7d]

댓글 처음 달아보네요... 진짜 축구인들에게는 손흥민, 대학원생들에게는 현펜하임.... ㅎㅎ

[@hyukppen]

ㅎㅎㅎ말씀 감사합니다!!

[@임성진-w7d]

@@hyukppen 현펜하임 아니고 혁펜하임...! 파이팅!!

[@김혜린-f2o7j]

레전드

[@gaspell]

이해가 될듯.. 말듯 하네요
뭔진 알겠는데.. 선대 정주행 해야겠어요 ㅋㅋㅋ

[@성이름-g3q]

와 이거 ㄴ진짜 돈주고 들어야하는건데 와 ㅋㅋㅋㅋㅋ 예{전에 대구빅데이터 센터에 강의하러 왓을때도 잘생겨보이셨는데 더 잘생겨보이시네요

[@hyukppen]

오 대구 오셨었군요 ㅎㅎㅎ 반갑습니다 😆😆

[@애옹-l5c]

강의가 이븐하네요 행렬 A의 full column rank 조건이 킥이었어요 생존입니다.

[@kyungsukim2253]

이해는 안됬지만! 감사합니다!

[@이하-r6d]

좋은강의 정말 감사합니다
241125

[@ploradoaa]

결국 새로운게 아니라 앞의 내용의 rull rank 개념과, 내적이 0일떄가 가장작은거를 알고있다면 주어지는 상황setting상 칼럼스페이스 안에 올수는없고 그 차이를 오류라고 부른다면 그 오류가 작았으면 좋겠다. 이런 의미군요 오늘도 잘배워갑니다

[@유승후학부생-기계시]

바로이해..ㄷㄷ

[@이종민-s2j]

혹시 그렇다면 예시로 들어주신 결국 b 벡터는 NullLeft Space에 있는 벡터라고 보면 되는건가요? 아니면 그냥 구하고 싶은 해 그 자체라고 보면 되는걸까요?

[@Metabrain1]

강의 잘 보고 있습니다. 혹시 2차 연립 방정식에 대해서도 Least squares 방법으로 유사 해를 구할 수 있는 방법이 있을까요?

[@hyukppen]

th-cam.com/video/IJRxpLgT7oE/w-d-xo.html
아마 여기서 했던 방식을 말씀하시는 것 같습니다 ㅎㅎ 행렬 A에 2 차 방정식이, 벡터 x에 계수가 들어가면 최소자승법이 그대로 활용될 수 있습니다!

[@minoh1543]

pseudo inverse가 LS의 솔루션인줄 알았는데, 꼭 그렇지만은 않나보네요?

[@hl2054]

갑자기너무어려워져요 ㅠ

[@gt2666]

A가 rank deficient이면 어떡하나요??

[@hyukppen]

뒤 강의들에서 여러 방법이 나옵니다 ㅎㅎ pseudo inverse를 해볼 수 있죠

[@changminlee1262]

b-Ax와 Ax가 내적해서 0이라고하는 것만 쓰면, b-Ax가 A의 column space의 법선과 말고도 여러개가 나올것 같은데, b-Ax가 b를 A의 column space에 수선의 발을 내렸을 때의 벡터와 일치한다는 보장을 할수 있나요? 혼자 생각하기 어려워서 질문드려요 ㅠ

[@hyukppen]

우선 Ax 와 같이 x 벡터를 A를 통과시켜 얻은 벡터는 항상 column space에 놓이게 됩니다.
따라서 Ax와 b-Ax가 직교하게하는 x를 찾으면 벡터 Ax와 벡터 b-Ax는 수직하게 되는 것이죠!

[@juankim5526]

좋은 영상 정말 감사드립니다!!

[@richw9514]

강의 미쳤네요. 진짜..감사감사