반응형 차원축소3 [머신러닝 with Python] UMAP과 t-SNE 비교 (차원 축소 비교 및 구현) 고차원 데이터를 시각화하고 이해하는 것은 머신러닝 및 데이터 분석에서 중요한 일입니다. 선형 차원 축소 기법인 PCA는 굉장히 유명하지만, 데이터의 복잡한 비선형을 선형으로 가정하여 축소한다는 점에서 정보의 손실이 많은데요.[머신러닝 with 파이썬] PCA / 주성분 분석 / 차원축소 /iris 데이터 활용 [머신러닝 with 파이썬] PCA / 주성분 분석 / 차원축소 /iris 데이터 활용이번에 알아볼 것은 차원축소 알고리즘의 대표적인 PCA(주성분 분석)에 대해서 알아보겠습니다. Tabular type의 데이터에서 차원을 축소한다는 것은 곧, 변수의 개수(또는 피처의 개수)를 줄인다jaylala.tistory.com 대표적인 비선형 차원 축소 기법으로는 UMAP(Unifor Manifold A.. 2025. 3. 11. [머신러닝 with Python] Kernel PCA란? 이번에 알아볼 내용은 PCA의 변형 형태인 Kernel PCA입니다. 기존 PCA 관련 내용은 아래 포스팅을 참조해서 보고 오시면 좋으실 것 같습니다. [머신러닝 with 파이썬] PCA / 주성분 분석 / 차원축소 /iris 데이터 활용 [머신러닝 with 파이썬] PCA / 주성분 분석 / 차원축소 /iris 데이터 활용이번에 알아볼 것은 차원축소 알고리즘의 대표적인 PCA(주성분 분석)에 대해서 알아보겠습니다. Tabular type의 데이터에서 차원을 축소한다는 것은 곧, 변수의 개수(또는 피처의 개수)를 줄인다는jaylala.tistory.com 1. Kernel PCA- Kernel pCA란, 비선형 데이터의 주요 구성요소를 찾기 위해 커널 트릭을 사용하는 PCA의 확장 버전입니다. - 일반적.. 2024. 11. 24. [머신러닝 with 파이썬] PCA / 주성분 분석 / 차원축소 /iris 데이터 활용 이번에 알아볼 것은 차원축소 알고리즘의 대표적인 PCA(주성분 분석)에 대해서 알아보겠습니다. Tabular type의 데이터에서 차원을 축소한다는 것은 곧, 변수의 개수(또는 피처의 개수)를 줄인다는 것을 의미하는데요. 너무 많은 피처들이 있을때 이들을 줄이는 것은 어떤 의미이며, 왜 해야되는지 등등에 대해서 PCA를 통해 알아보겠습니다. 1. PCA란- PCA는 Principal Component Analysis의 약자로 주성분 분석으로 불립니다. - 이는 다차원의 데이터에서 차원을 줄이고 주요 정보를 추출하기 위한 통계적인 방법인데요 * 이때 차원은, 피처(feature) 혹은 변수(variable)의 숫자를 의미합니다. * 차원이 높다는 것은 피처 혹은 변수가 많다는 것을 의미하며, 이는 .. 2023. 9. 26. 이전 1 다음 반응형
