# PCA

30개의 포스트

PCA (Principal Component Analysis) & Scree Plot

PCA와 PCA 과정, Scree Plot에 대한 정리

2022년 4월 13일
·
0개의 댓글
post-thumbnail

PCA (Principle Component Analysis), 주성분 분석

PCA란 차원축소기법중 하나로 말 그대로 "주"성분을 분석하는 것이다.2차원의 데이터가 있을때 이를 하나의 1차원 으로 축소한다고 하였을때 이를 축소할수 있는 방법은 다음과 같다. 출처:https://butter-shower.tistory.com/210이때 P

2022년 4월 9일
·
0개의 댓글
post-thumbnail

[ML]PCA(Principal Component Analysis)

모델이 사용되는 문제(도메인)Clustering, Dimensionality Reduction, Visualization, Noise Reductionlabel이 없는 상태에서 데이터의 경향성을 분석하거나 데이터 간 Colinearity를 제거하는 데에 이용됩니다. 모

2022년 3월 13일
·
0개의 댓글
post-thumbnail

PCA(주성분 분석)

![](https://images.velog.io/images/chromis07/post/a97e9f95-7e74-4f9b-acda-22eda9200037/%EB%A6%BF%EC%A7%8

2022년 3월 7일
·
0개의 댓글
post-thumbnail

PCA 차원축소를 하는 이유?

PCA 주성분 분석은 차원축소의 방법 중 하나이다.시각화 (Visualization)3차원이 넘어간 시각화는 우리 눈으로 볼 수 없으므로 차원 축소를 통해 시각화를 해야 한다. 시각화는 데이터를 한눈에 볼 수 있게끔 해주므로 필요하다.노이즈 제거 (Reduce Nois

2022년 2월 23일
·
0개의 댓글
post-thumbnail

Auto encoder 와 pca 의 차원 축소 성능 비교 실험

model 의 feature 로 뉴스기사 제목과 내용의 embedding 을 사용하고 있다. 이때 768차원의 bert embedding 결과물을 축소할 방법으로 auto encoder, pca 둘 중 어떤 방법이 적절할지를 실험을 통해 비교한다.각 방법으로 차원축소한

2022년 1월 14일
·
0개의 댓글
post-thumbnail

기계학습 : 2. 기초 선형대수학

선형종속과 SpanAx + bA의 역행렬이 존재하면 하나의 해만 가진다하지만, 해가 무수히 많거나 해가 없을 수 도 있다x,y에 값과 상관없이 α는 모든 실수

2022년 1월 10일
·
0개의 댓글

[공모전 수상작 리뷰] Reactjs+Nodejs+python+scikit-learn{ PCA(주성분 분석), VAR(다변량시계열분석)}으로 공연 예매 추이 시나리오 별 예측하는 서비스 만들어보기 - 데이터 분석 편(1)

데이터 분석을 하며 공부한 점 >- ##### 다양한 소스에서 데이터 수집 >- ##### 수집한 데이터를 목적에 맞게 전처리 >- ##### 데이터 모델링 및 모델 간 교차검증 >- ##### 다변량 시계열 분석 최종 모델 개발 다양한 소스에서 데이터 수집 >- ##### KOPIS에서 제공해준 데이터 >- ##### KOPIS 홈페이지에 공개해 둔 데...

2022년 1월 6일
·
0개의 댓글

차원축소

많은 피처로 구성된 데이터세트의 경우, 상대적으로 적은 차원에서 학습된 모델보다 예측 신뢰도가 떨어진다. 또한 개별 피처간에 상관관계가 높을 가능성도 크다. 선형회귀와 같은 선형 모델에서는 입력 변수 간의 상관관계가 높을 경우 이로 인한 다중공선성 문제로 모델의 예측

2022년 1월 5일
·
0개의 댓글
post-thumbnail

[공모전 수상작 리뷰]Reactjs+Nodejs+python+scikit-learn{ PCA(주성분 분석), VAR(다변량시계열분석)}으로 공연 예매 추이 시나리오 별 예측하는 서비스 만들어보기 - 개요

공연예술백신 프로젝트 개요 >#### 데이터 분석 편 보러가기 >#### 웹 구현 편 보러가기 기본 분석 개요 >- ##### 분석 주제 특성상, KOPIS데이터 이외에도 다양한 주제의 데이터가 필요했다. >- ##### '코로나'의 영향력이 어떤 양상으로 끼쳤는지 판단하기 위해 '펜데믹 이전(2019년)', '펜데믹 초기(2020년)', '펜데믹 진행중...

2021년 12월 24일
·
0개의 댓글

주성분분석 - Principal Component Analysis (PCA)

가장 보편적인 차원축소 및 변수추출 알고리즘 중 하나인 주성분분석(PCA)

2021년 12월 21일
·
0개의 댓글
post-thumbnail

차원 축소 알고리즘을 비교해보자 (PCA, T-sne, UMAP)

차원 축소 알고리즘들은 축소하는 방법에 의해 두 가지로 나눌 수 있음matrix factorization 계열 - pcaneighbour graphs - t-sne, umapmatrix factorization 을 base 로 함 (공분산 행렬에 대해서 svd 등)분산

2021년 12월 9일
·
0개의 댓글
post-thumbnail

머신러닝 - PCA (Principal Component Analysis)

1. PCA(Principal Component Analysis) - 주성분 분석이란? 주성분이란 전체 데이터(독립변수들)의 분산을 가장 잘 설명하는 성분을 말한다. 변수의 개수 = 차원의 개수 e.g.) iris 데이터에서, 4개의 독립변인들이 하나의 공간에 표현되

2021년 12월 6일
·
0개의 댓글
post-thumbnail

[핸즈온 ML with Kaggle] 8. Dimension Reduction: Visualization

PCA/t-SNE/Data Visualization

2021년 11월 19일
·
0개의 댓글
post-thumbnail

PCA/고유벡터/스탠다드 스케일링

pca 가 하는 일은 차원 축소 차원은 축소하고 싶은데 고유한 거는 (사람)은 두고 살을 줄이고 싶은것이다. 사진가가 사진을 찍을 때 어디에 위치를 잡아야 할까 \-왜곡이 덜하게 직각이 되게스탠다드 스케일링: 정규화 같은것. 이걸 안하면pca가 엉망이 되어버린다. :

2021년 9월 30일
·
0개의 댓글
post-thumbnail

PCA, t-SNE 차원 분석(2)

t-SNE는 PCA와 다르게 비선형 차원분석이다. t-SNE 코드는 매우 간단하다!!parameter 설명t-SNE는 다양한 파라미터가 존재한다. 파라미터들을 바꿔가면서 아이템들이 구분이 잘 되는 값들을 찾았다. sklearn 사이트에 자세히 나와있지만 간단한 설명과

2021년 9월 16일
·
0개의 댓글