Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- digital marketing
- 제주2주살이
- Jupyter notebook
- 에이바우트
- 스토어드 프로시저
- R
- 유럽여행
- SQL
- PRML
- 맛집
- 오블완
- RStudio
- Github
- GenAI
- 김호연작가
- 독후감
- 책리뷰
- 영국여행
- 스플라인
- 클러스터형인덱스
- Linux
- PRIMARY KEY
- 혼공S
- 제주도
- 티스토리챌린지
- 런던
- 디지털마케팅
- 혼자공부하는SQL
- 보조인덱스
- 제주도여행
Archives
- Today
- Total
목록LUdecomposition (1)
Soy Library
[통계계산방법론] Gaussian Elimination Algorithm과 Cholesky Algorithm
Inverse Computing 우리는 $Ax = b$ 라는 선형 모형에서의 solution을 얘기할 때, 행렬 A는 non-singularity의 성질을 가지고 있어야 하며 그때의 solution은 $A^{-1}b$으로 구한다. 하지만 computing에 있어서 A의 inverse를 구하는 것은 너무 복잡하고 많은 시간이 소요된다. 예를 들자면, $n \times n$ 의 행렬 A는 computing 시 $O(n^2)$ 의 flop이 필요하다. 이때 행렬 A를 $I + uv^T$의 형태로 만들어줌으로써 계산에 필요한 flop은 $O(n)$로 줄어든다. 따라서 행렬의 structure를 잘 이용하면 computation의 속도를 빨리할 수 있다. R 프로그램에서는 solve() 함수를 이용하여 inver..
Study/Statistics
2020. 4. 30. 20:05