일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
Tags
- Object Detection
- yolov3
- SVM 이란
- computervision
- RCNN
- Faster R-CNN
- yolo
- SVM hard margin
- Deep Learning
- cs231n lecture5
- 데이터 전처리
- 논문분석
- support vector machine 리뷰
- pytorch c++
- 서포트벡터머신이란
- Computer Vision
- CNN
- SVM margin
- svdd
- CS231n
- pytorch
- DeepLearning
- self-supervision
- pytorch project
- darknet
- libtorch
- fast r-cnn
- EfficientNet
- TCP
- cnn 역사
Archives
- Today
- Total
목록주성분분석 설명 (1)
아롱이 탐험대

본 포스트는 고려대학교 산업경영공학부 강필성 교수님의 Business Analytics 강의를 정리한 내용입니다. 차원 축소의 목적은 특정한 머신 러닝 모델을 만들기 위해 특성을 보존하면서 compact 한 데이터를 유지하는 것이다. 이전 챕터까지는 변수 선택에 대해 알아보았고, 이번 챕터부터는 변수 추출에 대해 알아보자. 변수 추출의 목적은 데이터의 속성을 최대한 보존하는 방향으로 새로운 변수들을 생성하는 것이다. 주성분 분석의 목적은 서로 직교하는 기저를 찾는 것이다. 즉, 원 데이터의 분산을 최대한 보존하는 기저를 찾는 것에 초점을 잡는다. 주성분 분석을 하면 원 데이터보다 차원은 무조건 작아져야 한다. 위 그림과 같이 만약 데이터가 있고, PC (Principal Component)가 2개라고 할..
study/IME654
2022. 8. 9. 21:36