우아한 사이파이: 수학, 과학, 엔지니어링을 위한 파이썬 데이터 분석 라이브러리 SciPy

161

5

장

희소행렬과 혼동행렬

나는 희소성

sparseness

을 좋아한다. 희소성은 즉각적인 감흥을 주는 단순한 느낌에 대한 뭔

가가 있고 그 뭔가를 독특하게 해준다. 아마 항상 희소성을 생각하며 음악을 할 것이다.

단지 방법을 모를 뿐...

- 브릿 대니얼, 스푼 리드 싱어

실제 많은 행렬은 대부분 값이

0

인 희소행렬이다.

넘파이 배열로 희소행렬을 계산할 때

0

을 곱하는 데 대부분 시간을 쓴다. 사이파이의

sparse

모듈을 사용해서

0

이 아닌 값을 검사하면 이 문제를 효율적으로 해결할 수 있다. 이뿐만 아니

라

sparse

모듈은 희소행렬과 관련이 없는 문제를 해결하는 데도 사용할 수 있다.

이러한 문제 중 하나는 이미지 분할

image

segmentation

에 대한 비교다 (분할의 정의에 대해서는

3

장

을 참고한다 ).

아래의 코드 샘플에서 희소행렬을 두 번 사용한다. 먼저 두 분할 간의 레이블 유사도를 파악하

는 혼동행렬

contingency

matrix

을 계산한다. 그런 다음, 분할 간 정보 변형

variation

of

information

을 계산하

는 데 혼동행렬을 사용한다.

희소행렬과 혼동행렬

CHAPTER

5

162

우아한 사이파이

def

variation

_

of

_

information

(

x

,

y

):

# 혼동행렬(

contingency

matrix

)를