Hyperplane
- 차원 공간에서 hyperplane 이란, 차원의 flat affine subspace 을 의미한다. 예를 들어, 2 차원에서 hyperplane 은 1 차원 flat subspace, 즉 line 이다.
2 차원에서 hyperplane (line) 은 다음과 같이 정의된다.
- 차원에서의 hyperplane
1 min read
p- 차원 공간에서 hyperplane 이란, p−1 차원의 flat affine subspace 을 의미한다. 예를 들어, 2 차원에서 hyperplane 은 1 차원 flat subspace, 즉 line 이다.
2 차원에서 hyperplane (line) 은 다음과 같이 정의된다.
β0+β1X1+β2X2=0p- 차원에서의 hyperplane
β0+β1X1+β2X2+⋯+βpXp=0A.1) Hyperplane
Affine 원점을 통과하지 않는 subspace 를 의미한다. B) Related C) References.
Dimension 어떤 벡터 공간 이 주어졌을 때, 해당 공간에 대한 모든 basis 는 vector 들과 동일 수를 만족해야 한다. 이 수는 그 공간에 대한 차원 (dimension) 이라고 부른다.
Span 벡터 집합의 span 이란, original vectors 들의 선형 결합 으로 인해 얻어지는 모든 points 들의 집합 (vector space) 을 의미한다.
Euclidean Space n- 차원 유클리디안 공간은 \mathbb{R}^{n} 와 같이 표시된다. 이 공간에 존재하는 벡터들은 n-tuples 형태의 실수들로 구성된다.
Subspace 벡터 공간 은 또 다른 벡터 공간을 포함할 수 있다. 벡터 공간에 존재하는 또 다른 벡터 공간을 subspace 라고 한다. 만약 V 라는 벡터 공간에 대한 subspace S 가 존재하는 경우 S \subseteq V 로 표현하며, 다음을 만족한다.
Linear Operator 벡터 공간 V 에서 V (자기 자신) 에 대한 linear map 을 linear operator 라고 부른다. B) Related C) References.
Classification with SVM binary classification 의 핵심은 D 차원 공간에 존재하는 example 들을 레이블에 따라 두 파티션으로 나눈다는 것이다. 이때, 공간을 나누는 역할을 hyperplane 이 맡게된다.
Linear Combination 벡터들의 집합 \left\{\boldsymbol{v}^{(1)}, \ldots, \boldsymbol{v}^{(n)}\right\} 에 대한 선형 결합이란, 각 벡터 \boldsymbol{v}^{(i)} 에 대해 scalar 계수를 곱해서 더한 것을 의미한다.
Vector Space 벡터 공간이란 어떤 벡터 집합을 의미하며, 그 집합 내 어떠한 벡터들 끼리 더하거나 서로 곱해도 집합 내 벡터가 된다.
Projection 정의 V 가 벡터 공간이고 U \subseteq V 는 V 의 subspace 라고 하자.