728x90 Principal component analysis1 [기계학습] 10. 고차원 데이터의 차원 축소 고차원 데이터의 차원 축소고차원 데이터는 많은 특성을 포함하고 있어, 분석과 학습이 복잡하고 시간이 많이 소요될 수 있습니다. 차원 축소는 이러한 고차원 데이터를 더 낮은 차원으로 변환하여 데이터를 더 간결하게 표현하고, 분석 및 모델 학습을 더 효율적으로 수행할 수 있게 도와줍니다. 이번 글에서는 차원 축소 기법 중에서 가장 널리 사용되는 PCA(주성분 분석)와 선형판별 분석법에 대해 알아보겠습니다.1. PCA 알고리즘의 이해PCA(주성분 분석, Principal Component Analysis)는 데이터의 변동성을 최대한 보존하면서 고차원 데이터를 저차원으로 변환하는 통계 기법입니다. PCA는 데이터의 주요 변동 방향(주성분)을 찾고, 이를 새로운 축으로 삼아 데이터를 변환합니다.PCA의 주요 개념.. 2024. 9. 15. 이전 1 다음 728x90
