PCA(Principle Component Analysis)
2018. 10. 27. 00:21
PCA(Principle Component Analysis)주요 키워드공분산 행렬(Covariance Matrix)고유값, 고유벡터(Eigen Value, Eigen Vector)선형변환(Linear Transformation)투영(Projection)대칭행렬(Symmetric Matrix)직교(Orthogonal)라그랑주 승수법(Lagrange multiplier method)이거 왜 쓰는거지? 차원을 왜 줄여? 간단하게 말해 답은 "차원의 저주때문에"라고 할 수 있다.위 그림을 보자.좌측의 1차원으로 표현된 데이터들이 우측의 2차원으로 표현되면서 빈공간(sparsity)이 발행한다.즉, 데이터를 표현할 수 있는 공간은 넓어졌는데, 쓸모없는 공간이 많아졌다. 반대로 우측의 그림부터보자.2차원으로 표현된..
