Search

머신러닝, 통계 관련 수학기호

대분류
인공지능/데이터
소분류
AI 수학
유형
기호
최종 편집 일시
2024/10/31 01:54
생성 일시
2024/07/15 03:21
15 more properties
기호
의미
영문
a, b, c, α, β, γ
스칼라, 소문자
Scalars are lowercase
x, y, z
벡터, 굵은 소문자
Vectors are bold lowercase
A, B, C
행렬, 굵은 대문자
Matrices are bold uppercase
x⊤, A⊤
벡터 또는 행렬의 전치
Transpose of a vector or matrix
A⁻¹
행렬의 역
Inverse of a matrix
⟨x, y⟩
x와 y의 내적
Inner product of x and y
x⊤y
x와 y의 내적
Dot product of x and y
B = (b1, b2, b3)
(순서있는) 튜플
(Ordered) tuple
B = [b1, b2, b3]
수직으로 쌓인 열 벡터의 행렬
Matrix of column vectors stacked horizontally
B={b1​,b2​,b3​}
(순서 없는) 벡터의 집합
Set of vectors (unordered)
Z, N
정수와 자연수
Integers and natural numbers, respectively
R, C
실수와 복소수
Real and complex numbers, respectively
Rⁿ
실수의 n차원 벡터 공간
n-dimensional vector space of real numbers
∀x
모든 x에 대해
Universal quantifier: for all x
∃x
x가 존재한다
Existential quantifier: there exists x
a := b
a는 b로 정의된다
a is defined as b
a =: b
b는 a로 정의된다
b is defined as a
a ∝ b
a는 b에 비례한다, 즉 a = 상수 · b
a is proportional to b, i.e., a = constant · b
g ◦ f
함수 조합: “g 뒤에 f”
Function composition: “g after f”
⇐⇒
만약 그리고 오직 만약
If and only if
=⇒
함축한다
Implies
A, C
집합
Sets
a ∈ A
a는 집합 A의 원소이다
a is an element of set A
공집합
Empty set
A\B
A의 B가 없는 부분집합, 즉 A의 원소 중 B의 원소가 아닌 것들
A without B: the set of elements in A but not in B
D
차원의 수, d = 1, ..., D로 인덱싱된다
Number of dimensions; indexed by d = 1, . . . , D
N
데이터 포인트의 수, n = 1, ..., N로 인덱싱된다
Number of data points; indexed by n = 1, . . . , N
Im
m × m 크기의 단위 행렬
Identity matrix of size m × m
0m×n
m × n 크기의 0 행렬
Matrix of zeros of size m × n
1m×n
m × n 크기의 1 행렬
Matrix of ones of size m × n
ei
표준/표준 벡터 (i는 1인 구성 요소)
Standard/canonical vector (where i is the component that is 1)
dim
벡터 공간의 차원
Dimensionality of vector space
rk(A)
행렬 A의 rank
Rank of matrix A
Im(Φ)
선형 매핑 Φ의 이미지
Image of linear mapping Φ
ker(Φ)
선형 매핑 Φ의 커널 (영공간)
Kernel (null space) of a linear mapping Φ
span[b1]
b1의 스팬 (생성 집합)
Span (generating set) of b1
tr(A)
A의 추적
Trace of A
det(A)
A의 행렬식
Determinant of A
l · l
절댓값 또는 행렬식 (맥락에 따라 다름)
Absolute value or determinant (depending on context)
∥·∥
노름(Norm); 특정되지 않으면 유클리드 노름
Norm; Euclidean, unless specified
λ
고유값 또는 라그랑주 승수
Eigenvalue or Lagrange multiplier
고유값 λ에 해당하는 고유 공간
Eigenspace corresponding to eigenvalue λ
x ⊥ y
x와 y는 직교한다.
Vectors x and y are orthogonal
V
벡터 공간
Vector space
V ⊥
벡터 공간 V의 직교 보완
Orthogonal complement of vector space V
Pn
x1 + ⋯ + xN의 합
Sum of the xn: x1 + . . . + xN
n=1Nxn
x1 · ⋯ · xN의 곱
Product of the xn: x1 · . . . · xN
θ
매개변수 벡터
Parameter vector
∂f / ∂x
x에 대한 f의 부분 미분
Partial derivative of f with respect to x
df / dx
x에 대한 f의 총 미분
Total derivative of f with respect to x
스칼라의 기울기
Gradient
f∗ = minx f(x)
f의 최소 함수값
The smallest function value of f
x∗ ∈ arg minx f(x)
f를 최소화하는 x∗의 값 (arg min은 값의 집합을 반환함)
The value x∗ that minimizes f (note: arg min returns a set of values)
L
*라그랑주
Lagrangian
L
음의 로그우도
Negative log-likelihood
nCk
이항 계수, nCk
Binomial coefficient, n choose
VX[x]
X에 대한 x의 분산
Variance of x with respect to the random variable
EX[x]
X에 대한 x의 기대값
Expectation of x with respect to the random variable
CovX,Y [x, y]
x와 y의 공분산
Covariance between x and y
X ⊥⊥ Y
Z가 주어졌을 때 X는 Y와 조건부 독립이다.
X is conditionally independent of Y given
X ∼ p
X는 p에 따라 분포한다.
Random variable X is distributed according to p
N(μ, Σ)
μ와 Σ의 평균과 공분산을 가진 가우시안 분포
Gaussian distribution with mean µ and covariance Σ
Ber(μ)
μ 매개변수를 가진 베르누이 분포
) Bernoulli distribution with parameter
Bin(N, μ)
N과 μ 매개변수를 가진 이항 분포
) Binomial distribution with parameters N, μ
Beta(α, β)
α와 β 매개변수를 가진 베타 분포
) Beta distribution with parameters α, β
^ x
단위 벡터
hat
→ x
벡터
vector