반응형 Data/Machine Learning1 PCA vs t-SNE PCA 와 t-SNE 는 두 기법 모두 차원을 축소하는데 쓰인다. PCA 그 중 주성분 분석(PCA)은 가장 인기 있는 차원 축소 알고리즘읻다. 먼저 데이터에 가장 가까운 초평면을 정의한 다음, 데이터를 이 평면에 투영시킵니다. PCA는 훈련 세트에서 분산이 최대인 축을 찾습닏다. 그러나 PCA의 경우 선형 분석 방식으로 값을 사상하기 때문에 차원이 감소되면서 군집화 되어 있는 데이터들이 뭉게져서 제대로 구별할 수 없는 문제를 가지고 있다. 출처 www.youtube.com/watch?v=NEaUSP4YerM 위 그림은 2차원에서 1차원으로 PCA 분석을 이용하여 차원을 줄인 예이다. 2차원에서는 파란색과 붉은색이 구별이 되는데, 1차원으로 줄면서 1차원상의 위치가 유사한 바람에, 두 군집의 변별력이 사.. 2021. 1. 18. 이전 1 다음 반응형
