[Day37] 차원 축소

지난 포스트에서 PCA를 배웠는데, 그 이유는 결국 차원 축소를 이해하기 위한 것이었네요. 차원 축소... 딥러닝에서 데이타 셋의 차원이 무척 높은 것을 알 수 있죠. 우리는 3차원이 넘어가면 시각화 할 수 없고, 그러다 보이 벡터의 관계를 이해하기 어려워집니다. 이런 고차원을 저차원으로 낮춰 어떤 벡터들이 어떤 벡터들과 유사하다고 할 수 있는지 시각적으로 볼 수 있다면 유용한 경우가 많기 때문에, tSNE와 같은 기법들이 유용하게 사용됩니다.

1. 차원 축소 - PCA, 주성분분석 (1)

excelsior-cjh.tistory.com/167

차원 축소 - PCA, 주성분분석 (1)

2. [선형대수학] 투영(projection)과 최소자승법(least square method)

bskyvision.com/236

[선형대수학] 투영(projection)과 최소자승법(least square method)

3. StatQuest: Principal Component Analysis 주성분 분석 (PCA), 스텝 바이 스텝

www.youtube.com/watch?v=FgakZw6K1QQ&feature=youtu.be

4. [선형대수학 #6] 주성분분석(PCA)의 이해와 활용

darkpgmr.tistory.com/110

[선형대수학 #6] 주성분분석(PCA)의 이해와 활용

5. StatQuest: t-SNE, Clearly Explained

feature=youtu.be

6. t-Stochastic Neighbor Embedding (t-SNE) 와 perplexity

lovit.github.io/nlp/representation/2018/09/28/tsne/

t-Stochastic Neighbor Embedding (t-SNE) 와 perplexity

7. 2.2. Manifold learning

scikit-learn.org/stable/modules/manifold.html#manifold

2.2. Manifold learning — scikit-learn 0.23.2 documentation

8. fit_transform(X, y=None)

scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA.fit_transform

sklearn.decomposition.PCA — scikit-learn 0.23.2 documentation

9. sklearn.manifold.TSNE (scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html#sklearn.manifold.TSNE)

10. 우분투 터미널에서 D2Coding Font 설치

jamix.tistory.com/41

우분투 터미널에서 D2Coding Font 설치