PCA: 두 판 사이의 차이

IT위키
잔글 (문자열 찾아 바꾸기 - "분류:데이터 분석" 문자열을 "분류:데이터/통계학" 문자열로)
잔글 (문자열 찾아 바꾸기 - "분류:데이터/통계학" 문자열을 "분류:데이터 과학" 문자열로)
1번째 줄: 1번째 줄:
[[분류:인공지능]][[분류:데이터/통계학]]
[[분류:인공지능]][[분류:데이터 과학]]
;Principal Component Analysis; 주 성분 분석
;Principal Component Analysis; 주 성분 분석
;Covariance Matrix에서 Eigen Value가 가장 커지는 Eigen Vector를 찾는 과정
;Covariance Matrix에서 Eigen Value가 가장 커지는 Eigen Vector를 찾는 과정

2020년 5월 7일 (목) 00:21 판

Principal Component Analysis; 주 성분 분석
Covariance Matrix에서 Eigen Value가 가장 커지는 Eigen Vector를 찾는 과정
  • 차원 축소 모델
  • 비지도 학습

개념

  • 더 작은 차원 중 분산이 가장 큰 축을 찾는다.
  • 시각화가 목적이라면 최대 3차원까지 줄여야 한다.
    • 분석이 목적이라면 무관

구성

  • Covariance Matrix
  • Eigen Value
  • Eigen Vector