6건의 항목
Train/Test Dataset 정확도를 측정하는데 있어서 앞에서는, 모델을 훈련하는 데 사용했던 데이터를 가지고서 평가했다. 그런데 사실은 그렇게 수행하면 안되는 것이 당연하다.
실수 표현 부동 소수점으로 표현한다. 지표 + 가수로 표현된다. 왜 쓰는가? 고정 소수점으로 쓸 경우, 큰 수 (10^23) 과 같은 수를 표현하기 위해 많은 양의 비트가 필요하게 된다.
반올림 때문에 값이 너무 커져서 표현할 수 없는 현상을 말한다. 이번에는 값이 너무 커져서 ∞, -∞로 근사되는 현상을 말한다. 마찬가리로 NaN으로 처리된다.
디지털 컴퓨터에서 연속적인 대상을 다루는 수학을 처리할 경우 근본적인 문제가 있다. 무한에 가까운 정보를 정해진 비트 패턴으로 표현해야 한다는 것이다. 이는 거의 모든 실수의 경우 근사 오차가 발생한다는 것을 암시한다.
반올림 때문에 값이 0이 되는 현상을 말한다. 값이 잘못해서 정확히 0이 되면 문제소지가 많다. 0으로 나누기. log0 계산. (값이 발산함) log0은 음의 무한대로 발산한다. 근데 실제 계산에서는 NaN(Not a Number)로 처리한다.
Motivation of Pivoting 가우스 소거법과, 가우스-조르당 방법에서 대각행렬을 기준으로 수행한다는 것은 명백하다. 우리는 그래서 이 대각 행렬의 요소를 Pivot 이라 부른다.