Principal_Component_Analysis1 PCA - Principal Component Analysis Motivation 주어진 데이터의 차원이 너무 많은 경우에, 분석 및 시각화가 힘들어진다. → multivariate 분석에도 차원이 높으면 분석 및 계산 시간이 매우 증가한다. → 인간의 지각으로는 3차원 이상은 시각화를 하기도 힘들고, 인지하기도 힘들다 데이터 집합 내에 존재하는 각 데이터의 차이를 가장 잘 나타내주는 요소를 찾아내는 방법 (Reference : https://adnoctum.tistory.com/977) 사용하는 목적 및 예시 => 차원 축소, 변수 추출 Assumptions PCA의 가정 - ver.1 - 데이터를 나타내는 submanifold는 직선의 basis를 가지고 있다. ( linear basis / linear kernel(?)을 가정한다 ) 큰 분산을 갖는 방향이 중.. 2021. 1. 17. 이전 1 다음