PCA (Principal Component Analysis)
- 입력 변수들로 구성된 축 공간을 소수의 새로운 축으로 구성된 공간으로 만들어 가는 과정 (차원 축소)
- 새로운 축은 입력 변수의 선형결합으로 만들고, 데이터의 변별력이 큰 순서대로 구함
- 데이터의 변별력이 작은 새로운 축은 무시할 수 있음
- 주성분 분석에서는 분산이 큰 순서대로 변수의 중요도가 정해진다고 가정함
'데이터사이언스' 카테고리의 다른 글
| 연관규칙의 support와 confidence (0) | 2019.06.21 |
|---|---|
| K-means와 DBSCAN 비교 (0) | 2019.06.21 |
| 차원의 저주와 해결방법 (feature selection, feature extraction) (0) | 2019.06.21 |
| 의사결정나무 정리 및 고려사항 (0) | 2019.06.21 |
| SVM의 개념 (0) | 2019.06.21 |
