⤨ PCA ① 벡터, 그리고 내적과 분해

Lightman·2021년 8월 1일
2

MACHINE LEARNING 🦾

목록 보기
1/9

벡터의 도입

여러 차원의 변수를 한번에 생각하기 위해 벡터라는 개념을 도입한다. 간단히 짚어보자.

🏁 벡터의 정의와 해석

1. 하나의 벡터

  • (위치) 또는 화살표(길이방향)로 해석할 수 있다

2. 두개의 벡터

i) 같음과 다름

길이방향이 같다면 같다. 만약 다르다면,

  • [점] 두 거리를 생각할 수 있다 → 유클리드 거리

    ab2=a2+b2ab{||a - b||}^2 = {||a||}^2 + {||b||}^2 - a\cdot b
  • [화살표] 두 방향각도를 생각할 수 있다 → 코사인 거리 = 1 - 코사인 유사도

    1cosθ=1aba b1- cos \theta = 1 - \frac{a\cdot b} {||a||~||b||}

ii) 종속과 독립

벡터는 선형결합이 가능한데, 이 선형결합의 결과로 각 벡터들 간의 종속독립을 판단한다.

  • 선형종속
     c s.t. wc=0\exists~ \textbf{c} ~ s.t. ~ \textbf{w}\cdot \textbf{c} = \textbf{0}
  • 선형독립
     c s.t. wc=0c=0\forall ~ \textbf{c} ~ s.t. ~ \textbf{w}\cdot \textbf{c} = \textbf{0} → \textbf{c} = \textbf{0}

🏁 벡터의 분해와 내적의 해석

벡터의 분해

벡터a와 a와 방향이 다른 벡터b가 있을 때, a는 다음과 같이 분해된다.

a=ab+ab{a} = a^{||b} + a^{┴b}
ab=abb=(acosθ)b=abbb ① ,   ab=aaba^{||b} = ||a^{||b}|| b = (||a||cos\theta)b = \frac {a\cdot b}{||b||}b ~\cdots①~, ~~~a^{┴b} = a - a^{||b} \cdots②

내적의 정의와 해석

벡터의 내적은 다음과 같은 2개의 식으로 정의된다.

ab=aibi=a bcosθa\cdot b = \sum a_ib_i = ||a||~||b||cos\theta

그리고 위 ①로 부터 다음과 같이 해석할 수 있다. PCA를 설명할 때 이 방식의 해석을 자주 사용하게 된다.

ab=ab ba\cdot b = ||a^{||b}||~||b||

profile
현직 데이터 분석가 / 데이터 과학의 정도를 따라 🚲 / About DEV DA ML

0개의 댓글