Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

SciPy

SciPy는 과학·공학 계산을 위한 라이브러리입니다. 넘파이의 ndarray 위에 구축되어, 최적화·선형대수·적분·보간·신호 처리·통계 등 폭넓은 수치 계산 기능을 제공합니다. 싸이킷런을 비롯한 여러 데이터 과학 도구가 내부 연산에 SciPy를 활용합니다.

1최적화

최적화는 어떤 기준(손실·오차)을 가장 작게 만드는 값을 찾거나, 방정식을 만족하는 해를 구하는 작업입니다. scipy.optimize 모듈은 이런 문제를 푸는 함수들을 제공합니다.

1.1데이터 피팅

데이터 피팅(curve fitting) 은 데이터에 어떤 함수 모형을 가장 잘 맞도록 매개변수를 추정하는 것입니다. curve_fit은 모형 함수와 데이터를 받아, 잔차의 제곱합을 최소화하는 매개변수를 돌려줍니다. 아래에서는 잡음이 섞인 데이터에 원래 함수를 다시 맞춰, 추정한 매개변수가 참값에 가까운지 확인합니다.

모델링 함수

선형회귀 최량적합 방식을 활용한 최적화 수행

(1.0, 2.0)
array([[ 0., -0.], [-0., 0.]])
<matplotlib.figure.Figure at 0x10bab9c50>

1.2함수 해 구하기

방정식 f(x)=0f(x)=0 을 만족하는 해를 해석적으로 구하기 어려울 때, 수치적으로 근을 찾을 수 있습니다. fsolve는 함수와 초기 추정값 x0을 받아 근을 반환합니다. 두 함수가 만나는 점(교점)은 두 함수의 차가 0이 되는 해로 구할 수 있습니다.

x0: func(x) = 0 이 되는 x의 추정 시작값

array([-3.])

두 방정식 교차점 찾기

array([ 13.40773078, 18.11366128, 31.78330863, 37.0799992 , 39.84837786, 43.8258775 ])
<matplotlib.figure.Figure at 0x10bab9588>

2희소행렬

희소행렬(sparse matrix) 은 대부분의 원소가 0인 행렬입니다. 0까지 모두 저장하면 메모리가 낭비되므로, 0이 아닌 값과 그 위치만 저장하는 방식으로 공간을 크게 절약합니다. scipy.sparse의 csr_matrix 등이 이런 표현을 제공합니다. 큰 행렬에서는 저장 공간뿐 아니라 연산 속도에서도 이점이 있어, 희소 전용 연산(eigsh 등)이 조밀 행렬 연산(eigh)보다 훨씬 빠를 수 있습니다.

array([[ 1., 0., 0., 0.], [ 0., 1., 0., 0.], [ 0., 0., 1., 0.], [ 0., 0., 0., 1.]])
  (0, 0)	1.0
  (1, 1)	1.0
  (2, 2)	1.0
  (3, 3)	1.0

난수 희소 행렬 생성

scipy.sparse.coo.coo_matrix
720000
72000000
1 loop, best of 3: 3.21 s per loop
10 loops, best of 3: 59.1 ms per loop