mirabo01 님의 블로그

차원 축소를 공부하다 보면 거의 반드시 만나게 되는 이름이 있습니다.바로 PCA, t-SNE, UMAP입니다.셋 다 데이터를 더 낮은 차원으로 줄여서 보기 쉽게 만든다는 점은 비슷하지만, 실제 목적과 성격은 꽤 다릅니다.가장 먼저 큰 그림부터 잡으면 이렇습니다.PCA는 분산을 최대한 보존하는 선형 차원 축소에 가깝고, t-SNE는 고차원 데이터 시각화에 특화된 비선형 임베딩에 가깝고, UMAP은 로컬 구조와 어느 정도의 전역 구조 균형을 조절할 수 있는 비선형 임베딩에 더 가깝습니다. 쉽게 말하면 PCA는 정보를 최대한 유지하며 압축하는 느낌, t-SNE는 보이기 좋게 군집을 펼쳐주는 느낌, UMAP은 시각화와 구조 보존 사이의 균형을 잡아주는 느낌으로 이해하면 꽤 편합니다.#PCA #tSNE #UMAP..

머신러닝을 공부하다 보면 지도학습 다음으로 자주 만나게 되는 개념이 있습니다.바로 비지도학습입니다.이름만 들으면 조금 어렵게 느껴지지만, 핵심은 생각보다 단순합니다. 정답이 없는 데이터에서 패턴을 찾는 방식이라고 보면 됩니다.IBM은 비지도학습을 라벨이 없는 데이터셋을 분석해서 숨겨진 패턴이나 그룹을 발견하는 방식으로 설명합니다. Google Cloud도 정답 라벨 없이 데이터 안의 구조를 찾는 접근으로 설명합니다.쉽게 말하면 지도학습이 “문제와 정답을 같이 보여주면서 배우는 방식”이라면, 비지도학습은 정답 없이 데이터끼리 어떤 공통점이 있는지 스스로 찾아보는 방식에 더 가깝습니다.#비지도학습 #클러스터링 #차원축소 #머신러닝기초 #AI입문 #데이터분석 #군집화비지도학습이란 무엇일까비지도학습은 정답 라벨..