점곱은 머신 러닝의 근간을 이루는 개념입니다. 그리고 이상을 추구하는 순수한 수학적 세계와 달리 NumPy의 np.dot은 파이썬 연산의 실용적인 부분을 담당하기 때문에 이 절에서 저는 여러분과 함께 np.dot의 작동 원리를 탐험하고, 몇 가지 일반적인 사례에서는 어떻게 작동하는지 보여 주고 싶습니다. 더 중요한 점은 약간의 조정 없이는 사용할 수 없는 일반적인 형태가 한 가지 존재한다는 것입니다. 그 이유를 여러분이 알고 넘어갔으면 합니다. 자, 갑시다.

np.dot은 요소별 곱을 구하고 이들을 모두 더한 것입니다. 1차원 배열의 아주 간단한 예제로 살펴봅시다.

In [35]:

oned_vec = np.arange(5)
print(oned_vec, "-->", oned_vec * oned_vec)
print("self dot:", np.dot(oned_vec, oned_vec))

[0 1 2 3 4] --> [0 1 4 9 16]
self dot: 30