AI 머신러닝 비지도학습 차원축소 PCA (주성분분석)

안녕하세요. 개발자 쪼맹 입니다. 오늘도 소소한 지식을 공유해보고자 합니다. 감사합니다. ^^ [비지도학습] : 저희가 보통 알고 있는 정답 데이터가 있는 학습 데이터를 통해 학습하는 것이 지도학습 이고, 정답 데이터 없이 학습 데이터를 통해서 유의미한 특징과 값을 찾아내는 것이 비지도학습 입니다. 대표적으로 차원축소와 군집 분석이 있습니다. 정답 데이터가 있으면 지도학습 정답 데이터가 없으면 비지도학습 [차원축소] : dimensionality reduction : 독립변수 (feature) 가 많으면 = 고차원이면 다양한 특징을 대변할 수 있다는 장점이 있지만 학습이 오래 걸리고 결과 수렴이 어려운 경우가 많습니다. 오히려 성능이 나빠질 수도 있습니다. 그래서 의미를 제대로 표현할 수 있는 특징을 추려내면 학습 속도와 모델 성능을 개선할 수 있습니다. 이러한 과정을 차원축소라고 합니다. 장점 : 고차원 학습 데이터를 이용하여 학습하면 모델이 굉장히 복잡하게 만들어 집니다. 복잡한...

원문링크 : AI 머신러닝 비지도학습 차원축소 PCA (주성분분석)