1. 두 지점에 대한pair-wise distancefrom scipy.spatial.distance import pdistpoints = [[0, 0], [1, 1], [2, 2]]print(pdist(points)) # 유클리드 거리2. 두 집합에 대한 pair-wise distancefrom scipy.spatial.distance import cdistprint(cdist([[0, 0]], [[1, 1], [2, 2]]))3. 유클리드 거리(L2)from scipy.spatial.distance import euclideanprint(euclidean([0, 0], [3, 4])) # 결과: 5.04. L1 거리from scipy.spatial.distance import cityblockpr..

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..