데이터 낚시꾼

집합(Set): 명확히 정의된 객체들의 모임원소(element): 집합의 객체주요 개념 및 표기\( a \in A \): \( a \)는 집합 \( A \)의 원소이다.\( A \subseteq B \): \( A \)는 \( B \)의 부분집합이다.\( \emptyset \): 공집합멱집합 \( \mathcal{P}(A) \): 집합 \( A \)의 모든 부분집합의 집합곱집합 \( A \times B = \{(a, b) \mid a \in A, b \in B\} \)집합 연산 \[ \begin{align*} A \cup B &= \{x \mid x \in A \text{ 또는 } x \in B\} \\ A \cap B &= \{x \mid x \in A \text{ 그리고 } x \in B\} \\..

참고https://ko.wikipedia.org/wiki/%EC%84%A0%ED%98%95%EB%8C%80%EC%88%98%ED%95%99https://namu.wiki/w/%EC%84%A0%ED%98%95%EB%8C%80%EC%88%98%ED%95%99    수학은 추상화의 학문 - 추상화: 세부 사항을 제거하고 본질에 집중(복잡->단순); 복잡하고 다양한 현상이나 개념에서 핵심적인 구조나 원리를 추출   cf) 일반화: 특정한 사례나 패턴을 더 넓은 범위로 확장 (특수->일반) - 장점: 복잡하고 다양한 여러 가지 서로 다른 상황을 공통된 틀에서 이해하고 분석할 수 있다.   * 예: 사과 한 개 -> 개수(추상적 개념) -> '1' 선형대수학에서 추상화 예시 - 벡터공간: 물리적 의미의 벡터를 추상..

요약: 고윳값과 고유벡터는 그래프 안에서 '비슷하게 연결된 노드'를 숫자 공간에 가까이 위치시키며, K-Means 같은 단순한 알고리즘으로도 복잡한 연결 구조를 깔끔하게 분리할 수 있게 됨그래프 이론의 행렬: 각 노드의 연결 관계를 수학적으로 표현하는 핵심 도구차수 행렬(Degree matrix), 인접 행렬(Adjacency matrix), 라플라시안 행렬(Laplacian matrix): 그래프의 구조 정보를 담고 있음라플라시안 행렬은 $L := D - A$로 정의되며, 고윳값(Eigenvalue)과 고유벡터(Eigenvector)를 통해 그래프의 특성을 요약$L$의 고윳값은 항상 $0$ 이상의 값을 가지며, 그 구조적 의미는 스펙트럴 분석(Spectral Analysis)에서 활용됨정규화 라플라시안..