Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 |
Tags
- Installation
- ax200
- autorace
- turtlebot
- Linux
- 촉각센서
- ROS
- 전이학습
- amcl
- webots
- FreeCAD
- YoLO
- roslaunch
- error
- 부분공간
- sources.list
- CUDA
- G++
- ubuntu
- turtlebot3
- linetracing
- darknet_ros
- Kinetic
- gcc
- Gazebo
- roslib
- CuDNN
- opencv
- RGB-D
- rqt
Archives
- Today
- Total
기술 성공, 실패 기록소
주성분 분석 PCA 본문
728x90
주성분 분석(主成分分析, Principal component analysis; PCA)은 고차원의 데이터를 저차원의 데이터로 환원시키는 기법이다. 서로 연관 가능성이 있는 고차원 공간의 표본들을 선형 연관성이 없는 저차원 공간(주성분)의 표본으로 변환하기 위해 직교 변환을 사용한다.
https://ko.wikipedia.org/wiki/%EC%A3%BC%EC%84%B1%EB%B6%84_%EB%B6%84%EC%84%9D
주성분 분석 - 위키백과, 우리 모두의 백과사전
위키백과, 우리 모두의 백과사전. 중심점의 좌표가(1,3)이고, (0.878, 0.478)방향으로 3, 이와 수직한 방향으로 1의 표준편차를 가지는 다변량 정규분포에 대한 주성분 분석. 화살표의 길이는 공분산행렬 고윳값의 제곱근에 해당하며, 고유 벡터의 끝점이 평균점에 위치한 채로 각 주성분의 방향을 나타내고 있다. 통계학에서 주성분 분석(主成分分析, Principal component analysis; PCA)은 고차원의 데이터를 저차원의 데이터로 환원
ko.wikipedia.org
'AI' 카테고리의 다른 글
| 강화학습 (0) | 2019.11.22 |
|---|---|
| DQN (0) | 2019.11.22 |
| 전이학습 (Transfer Learning) (0) | 2019.11.21 |