이전 포스팅에선 주성분 분석의 개념에 대해 알아보았습니다. (이전 포스팅 바로가기) 이번 글에선 Python을 이용하여 PCA분석 예제를 테스트 해볼 수있도록 해보겠습니다. PCA는 Eigen Value값이 큰 Eigen Vector를 선택하여 차원을 축소하는 알고리즘입니다. 먼저 Pandas를 활용하여 테스트할 데이터 셋을 만들어 보도록 하겠습니다. (참조:https://github.com/minsuk-heo/python_tutorial/blob/master/data_science/pca/PCA.ipynb) import pandas as pd df.loc[0] = [1200, 1, 0, 0, 2, 'Skinny'] df.loc[1] = [2800, 1, 1, 1, 1, 'Normal'] df.loc[2..

오늘은 PCA분석, 주성분 분석에 대해 알아보고자 합니다. PCA(Principal Component Analysis)은 머신러닝에서 데이터의 차원 축소, 노이즈 제거 등 다양하게 활용되는 머신 러닝 기법입니다. 데이터 차원축소 이미지 주성분 분석 출처: https://ichi.pro/ko/pca-juseongbun-bunseog-leul-sayonghan-chawon-chugso-72444897482598 출처: https://datascienceschool.net/02%20mathematics/03.05%20PCA.html 딥러닝, 머신러닝에서 학습할 데이터의 차원을 줄이는 부분은 굉장히 중요한 요소입니다. 데이터의 차원을 줄임으로서 학습할 시간과, 데이터의 용량, AI 모델의 무게 등을 줄일 수 있..