1. Inverse Matrixfrom scipy.linalg import invinv([[1, 2], [3, 4]])2. Determinantfrom scipy.linalg import detdet([[1, 2], [3, 4]])3. Normfrom scipy.linalg import normnorm([3, 4]) # L2 노름4. Orthogonal Matrixfrom scipy.linalg import orthorth([[1, 2], [3, 4]])5. Eigen Value, Eigen Vectorfrom scipy.linalg import eigeig([[1, 2], [2, 1]])6. Singular Value Decomposition(SVD)from scipy.linalg import svd..

최적화 1) 1차원 최적화(Scalar Optimization)함수 입력값이 일차원인 경우. (1) 1차원 스칼라 함수 최적화(minimize_scalar)from scipy.optimize import minimize_scalarminimize_scalar(lambda x: (x-2)**2)(2) 이분법을 이용한 근 탐색(bisect)from scipy.optimize import bisectbisect(lambda x: x**3 - 1, 0, 2)(3) 뉴튼 랩슨(newton)from scipy.optimize import newtonnewton(lambda x: x**3 - 2, x0=1)(4) Brenth(brenth)from scipy.optimize import brenthbrenth(lamb..

1. 그래프 그리기1) Scatter Plotsns.scatterplot(data=data, x='bill_length_mm', y='bill_depth_mm', hue='species')2) Line Plotsns.lineplot(data=data, x='bill_length_mm', y='bill_depth_mm', hue='species')3) Bar Plotsns.barplot(data=data, x='species', y='bill_length_mm', ci='sd') # 신뢰구간 포함4) Histogram#KDE 추가안한 버전sns.histplot(data=data, x='bill_length_mm', hue='species', bins=20) #KDE 추가한 버전sns.histplot(d..