PCA

Created

Created

2023 May 4 4:50

Editor

Editor

Seonglae Cho

Creator

Creator

Seonglae Cho

Edited

Edited

2024 Oct 28 14:2

Refs

Refs

Principal component analysis

minimize projection error, maximize projection variance (more original information)

PCA is a special shallow case of

equivalent to calculating the
Eigenvector of the data
Covariance Matrix corresponding to the largest
Eigenvalue

Also PCA solution means choosing (D − M)-smallest eigenvalues, M-largest eigenvalues

서로 연관 가능성이 있는 고차원 공간의 표본들을 선형 연관성이 없는 저차원 공간의 표본으로 변환하기 위해 직교 변환을 사용

Feature Extraction, Data Compression, Data Visualization

If high-dimensional data, we reduce computation O() to O() using

notion image

notion image

PCA Notion

Maximum Variance Formulation

Principal Subspace

SVD와 PCA, 그리고 잠재의미분석(LSA) · ratsgo's blog

SVD와 PCA, 그리고 잠재의미분석(LSA) · ratsgo's blog

https://ratsgo.github.io/from%20frequency%20to%20semantics/2017/04/06/pcasvdlsa/

주성분 분석(PCA) - 공돌이의 수학정리노트 (Angelo's Math Notes)

PCA가 말하는 것: 데이터들을 정사영 시켜 차원을 낮춘다면, 어떤 벡터에 데이터들을 정사영 시켜야 원래의 데이터 구조를 제일 잘 유지할 수 있을까? ※ 본 article에서는 열벡터(column vector) convention을 따릅니다.PCA는 종합점수를 ‘잘’ 계산하...

주성분 분석(PCA) - 공돌이의 수학정리노트 (Angelo's Math Notes)

https://angeloyeo.github.io/2019/07/27/PCA.html

주성분 분석(PCA)이란?

오늘은 가장 인기있는 차원 축소 알고리즘인 주성분 분석(Principle Component Analysis, PCA)에 대해서 알아봅시다. 많은 경우 머신러닝 문제는 훈련 샘플이 각각 수천, 혹은 수백만개의 특성을 가지고 있습니다. 이렇게 특성들이 많을 경우, 유의미한 특성들을 찾기가 어려울 뿐더러 훈련을 느리게 해 결과적으로 성능 저하를 일으키는 원인이 됩니다. 이런 문제를 " 차원의 저주"(curse of dimensionality)라고 합니다.

https://butter-shower.tistory.com/210

주성분 분석(PCA)이란?

Recommendations

////////