목록principal component anlysis (1)

kwan's note

Dimesionality reduction - 차원축소 , PCA( principal component analysis)

출처: machine learning by andrew ng, stanford cousera lecture 수강일시: 2021.02.05 이번시간에는 차원축소에 대해 알아보도록 하겠습니다. 차원 축소는 n차원의 특성을 r차원으로 축소하는 방법의 문제입니다. 먼저 다음과 같은 선형 관계의 특성(cm 와 inch 단위)에 대해 두 값은 "길이"라는 하나의 특성으로 압축할 수 있게됩니다. 따라서 이에대한 2차원 특성을 1차원으로 축소할 수 있게된다. 또는 이와 유사하게 3차원 특성중 어떠한 평면으로 나타나는 특성을 2차원으로 사영시켜 표현할 수 있다. 이러한 차원축소를 사용하는 이유중 하나의 큰 부분은 특성의 시각화이다. n차원의 특성을 2차원 또는 3차원으로 축소한다면 보기 쉽게 데이터의 특성을 파악할 수 ..
ML and AI/Machine learning - Andrew Ng 2021. 2. 6. 14:22
이전 Prev 1 Next 다음