10.5 PCA in high dimension
- PCA를 하기 위해 covariance matrix 필요
- D차원에서 covariance matrix는 DxD matrix
ex) 100x100 픽셀의 이미지라면, 10,000x10,000 크기의 matrix의 고윳값을 분해해야함.
그러나, df가 NxD(N<<<D)형태라면, NxN 형태의 공분산으로 계산해도 된다.
10.6 PCA 실행 step
- 평균값 빼기
- 공분산 행렬 계산
- 공분산행렬의 고윳값 벡터와 고윳값 구하기
- 고윳값이 큰 고유벡터 선정
- 해당 공간으로 투영
10.7 잠재변수 관점
10.8 선형성이 아니고, 정규분포를 따르지 않을때
