데이터사이언스를 위한 통계학입문 2: Ⅶ. 빅데이터 차원축소와 예측모형
POSTECH에서 제공하는 MOOC 중, 데이터사이언스를 위한 통계학입문 Ⅱ 과정입니다. Ⅶ. 빅데이터 차원축소와 예측모형1. 데이터 탐색과 정제데이터 탐색 Basic Information: 분포, 평균, 최솟값, 최댓값, 분산 등 Variation: 변동성, 시계열 Outlier: 모든 데이터가 상식적인 범위 안에 존재하는가? Correlation:
Tag: 주성분분석
머신러닝 기법과 R 프로그래밍 2: ⅩⅤ. 주성분 분석과 부분 최소자승법
POSTECH에서 제공하는 MOOC 중, 머신러닝기법과 R프로그래밍 Ⅱ 과정입니다. ⅩⅤ. 주성분 분석과 부분 최소자승법1. 주성분분석주성분분석(PCA) 주성분분석(Principle Component Analysis) 다변량 분석기법 ‘주성분’이라고 불리는 선형조합으로 표현하는 기법 주성분은 공분산(X^T^X)로부터 eigenvector와 eige
ch06. 차원 축소
해당 자료는 파이썬 머신러닝 완벽가이드 공부를 위한 필사본입니다. Chapter 06. 차원 축소01. 차원 축소(Dimension Reduction) 개요 차원 축소는 매우 많은 피처로 구성된 다차원 데이터 세트의 차원을 축소해 새로운 차원의 데이터 세트를 생성하는 것이다. 피처가 많을 경우 개별 피처간에 상관관계가 높을 가능성이 크다. 선형모델