Dimensionality Reduction   차원 축소

1. 차원 축소

  ㅇ 시각화하기 어렵고 복잡한 고 차원 데이터를, 2차원 또는 3차원 등 저 차원 공간으로 변환
     - 즉, 데이터의 중요한 구조나 패턴은 유지, 불필요한 차원을 제거하며, 데이터를 단순화하는 것
        . 例) 시각화, 전처리 등


2. 주요 기법

  ㅇ 주성분 분석 (PCA)  :  데이터의 분산이 가장 큰 방향(주성분)을 찾아 새로운 축으로 변환
  ㅇ 특이값 분해 (SVD)  :  행렬을 직교 행렬과 특이값의 곱으로 분해하여,
     - 데이터의 주요 구조를 추출하는 방법

  ㅇ (그 외 비선형 기법)
     - t-SNE (t-Distributed Stochastic Neighbor Embedding)
        . 고 차원 데이터의 지역적 구조를 보존하며, 2D/3D로 시각화하는 비선형 방법
     - Isomap, LLE (Locally Linear Embedding)
        . 데이터의 내재된 다양체 구조를 반영하는 기법