데이터분석 썸네일형 리스트형 4-4. Factor Analysis (FA) 용어정의 Factor analysis (FA) Understanding of FA 1. 용어정의 아래 페이지를 참고해주세요. 2021.04.01 - [인공지능/머신러닝] - 4-3. Independent Component Analysis (ICA) 2. Factor analysis (FA) 관측된 데이터 X는 어떠한 상호의존적인 미지수(F)와 미소한 오차성분(ε)에 의한 선형결합으로 나타난다고 보면, 반대로 우리는 어떤 요소들이 관측데이터 X에 대해 얼마나 큰 영향을 주는지 확인할 수 있다. 예로 들면 X인 수학, 과학, 영어의 점수가 알려지지 않은 요소인 F(Common factors), 즉 I.Q, 학습시간, 학습빈도 등의 여러가지 요인과 가중치 L(Loading matrix)의 결합으로.. 더보기 4-3. Independent Component Analysis (ICA) 용어정의 Independent component analysis (ICA) 1. 용어정의 Kurtosis : 첨도, 도수분포 모양의 뽀족함 정도를 나타낸 것이다. Negentropy : 가장 큰 엔트로피를 갖는 정규분포의 엔트로피에서 특정 변수의 엔트로피를 뺀 값으로, 정규분포에서 떨어진 거리를 의미한다. Entropy : 엔트로피, 관측된 데이터나 정보의 불확실성을 나타낸 것으로 불규칙적이고 예측불가능하고 비구조화된 정보일수록 엔트로피는 더 커진다. 또한, 동일한 분산을 갖는 모든 Random Variable 중에서 Gaussian Variable 이 가장 큰 엔트로피를 가진다. 2. Independent component analysis (ICA) Independent Component .. 더보기 4-2. Multivariate Analysis : PCA (2/2) 용어정의 Multivariate analysis : PCA (2/2) Principal component analysis (PCA in details) 1. 용어정의 아래 페이지를 참고해주세요. 2021.04.01 - [인공지능/머신러닝] - 4-1. Multivariate Analysis : PCA (1/2) 2. Principal component analysis (PCA in details) 2021.04.01 - [인공지능/머신러닝] - 4-1. Multivariate Analysis : PCA (1/2) 의 글에서 소개된 PCA 알고리즘을 수식으로 하나씩 풀어나려면, 우선 데이터 X에 대한 Covariance matrix 계산이 필요하다. 기존의 입력데이터 X가 m > n인 m x .. 더보기 4-1. Multivariate Analysis : PCA (1/2) 용어정의 Multivariate analysis : PCA (1/2) Introduction Principal component analysis (PCA) 1. 용어정의 Orthonormal : 서로 직교하며, 그 크기가 1인 두 벡터간의 성질을 말함 2. Introduction 여러 개의 종속 변수를 동시에 분석하는 방법인 다변량분석(Multivariate analysis) 는 'Linear Transform Methods'으로 Transformation matrix를 통해 아래의 경우에 활용할 수 있다. 3. Principal component analysis (PCA) 주성분 분석이라고 하며, 데이터를 분산이 가장 큰 부분을 기준으로 하는 새로운 축을 찾는 것이다. 아래 그림과 같이 기.. 더보기 코세라 머신러닝 기초수학 수료 #3 코세라에서 제공하는 "Mathematics for Machine Learning" 전문분야 강좌인 선형대수(Linear Algebra), 다변수 미분(Multivariate Calculus), PCA(Principal Component Analysis) 의 중 세번째인 PCA에 관한 과목을 이수하였고, 이로써 전문과정을 수료하게 되었다. 앞서 글과 마찬가지로 머신러닝을 공부해왔었기 때문에 어렵지않게 강의를 듣고 문제를 풀 수 있었다. 다만 PCA가 수업이나 문제의 난이도가 가장 높았고, 문제를 풀며 꽤 오랜 시간이 소요되었다. 이 강좌에서 배우는 내용은 다음과 같다. 평균, 분산, 공분산의 의미와 활용 내적(Inner produ.. 더보기 코세라 머신러닝 기초수학 수료 #2 코세라에서 제공하는 "Mathematics for Machine Learning" 전문과정 강좌인 선형대수(Linear Algebra), 다변수 미분(Multivariate Calculus), PCA(Principal Component Analysis) 의 중 두번째인 다변수 미분에 관한 과목을 이수하였다. 앞서 글과 마찬가지로 미분에 관련된 내용이라 어렵지않게 강의를 듣고 빠르게 문제를 풀 수 있었다. 이 강좌에서 배우는 내용은 다음과 같다. Chain rule 을 이용한 편미분 Jacobian, Hessian 매트릭스의 이용 단층 뉴럴네트워크의 역전파과정 계산원리 이해 Taylor Series.. 더보기 이전 1 2 다음
