차원축소
-
비지도학습의 일종으로, 많은 feature로 구성된 다차원 데이터 세트의 차원을 축소해 새로운 차원의 데이터 세트를 생성하는 것
-
메모리 효율화 및 데이터 시각화에 매우 유용
-
PCA, t-SNE 등이 있음
[출처:https://steemit.com/steempress/@hellosketch/tr2qjs3dv1]
PCA(Principal Component Analysis)
정의
1) find the Principal Component in the data distribution
→ the directional vector which has the biggest variance
2) find the orthogonal basis(the axis of vector) and make projection from high-dimension to low-dimension
3) Linear combination of previous feature (not choosing the feature)
용어
BASIS : the set of new vector which can play role of new coordinate system
Actually, the coordinate systems we use is the linear combination of BASIS → ex) (0,1) + (1,0)
PC axis : the most important basis
특징
- 데이터 분산에 대한 정보를 유지하려 함
- 내재된 정보 손실이 적음(고유의 value 등)
- 선형 데이터에 적합
t-SNE
정의
- T- Stochastic Neighbor Embedding 의 약자
- 고차원 데이터를 2,3차원으로 축소하는 데에 매우 유용하게 이용됨.
특징
- 비선형 데이터셋을 시각화하는 데에 적합함.
- 상대적 거리 정보가 시각화되는 데에 유리
- 시각화용 알고리즘이라고 생각하자.
romantic ai developer