차원축소

고차원의 데이터를 저차원으로 변환하는 기법 데이터 정보를 보존하면서 차원을 줄이는 것을 목표 (다중공선성 문제 대응) 주성분 분석 (PCA, Principal Component Analysis) 정방행렬, 비지도 학습 데이터의 분산을 최대화 하는 방향으로 주성분을 찾아 차원을 축소 단계 데이터 정규화 공분산 행렬 계산 공분산 행렬의 고유값과 고유벡터 계산 고유값이 큰 순서대로 고유벡터를 선택하여 주성분(PCA) 구성 선택한 주성분 (PCA) 으로 데이터를 투영하여 차원 축소 특징 차원 축소를 통해 데이터의 시각화와 해석이 용이 데이터의 잡음을 제거하고 중요한 정보를 보존 (데이터 압축, 잡음 제거) 변수 간 상관관계를 고려하여 차원 축소 -> 다중공선성 문제 완화 선형판별분석 (LDA, Linear Discriminant Analysis) 정방행렬, 지도 학습 (클래스가 필요) 클래스 간 분산을 최대화하고 클래스 내 분산을 최소화하는 방식의 차원 축소 단계 각 클래스 평균 계산 클래...