My Data Story

◈ '차원 축소' 목차 ◈ 1. 투영, 매니폴드 2. PCA, 랜덤 PCA, 점진적 PCA 3. 커널 PCA 사이킷런에서 커널 PCA 를 구현하고 적절한 하이퍼파라미터 선정 방법에 대해 알아본다. 4. MDS, Isomap 5. 지역 선형 임베딩 LLE 6. t-SNE 1. 커널 PCA 이전까지 살펴본 PCA는 SVD 알고리즘을 활용한 방법이고 커널 PCA 는 SVM 때 처럼 고차원에 보낸 듯한 효과를 내어 PCA를 적용한다. 커널 PCA 를 적용해 차원 축소를 위한 복잡한 비선형 투형을 수행할 수 있다. 이 기법은 투영한 후 샘플의 군집을 유지하거나 꼬인 매니폴드에 가까운 데이터셋을 펼칠 때도 유용하다. 2. KernelPCA 사이킷런에서 KernelPCA 를 통해 커널 PCA 모델을 구현할 수 있다...