핸즈온 머신러닝(2판): 사이킷런, 케라스, 텐서플로 2를 활용한 머신러닝, 딥러닝 완벽 실무

276

1

부

머신러닝

8.2

차원 축소를 위한 접근 방법

구체적인 차원 축소 알고리즘을 알아보기 전에 차원을 감소시키는 두 가지 주요한 접근법인 투

영

projection

과 매니폴드 학습을 살펴보겠습니다.

8.2.1

투영

대부분의 실전 문제는 훈련 샘플이 모든 차원에 걸쳐 균일하게 퍼져 있지 않습니다. 많은 특성은

거의 변화가 없는 반면, (앞서 말한

MNIST

의 경우처럼 ) 다른 특성들은 서로 강하게 연관되어

있습니다.

8

결과적으로 모든 훈련 샘플이 고차원 공간 안의 저차원

부분 공간

subspace

에(또는 가

까이 ) 놓여 있습니다.

9

너무 추상적인 말이라 예를 들어 살펴보겠습니다. [그림

8

-

2

]에 원 모양

을 띤

3

차원 데이터셋이 있습니다.

그림

8-2

2차원에 가깝게 배치된 3차원 데이터셋

8

옮긴이_

MNIST

이미지의 테두리는 거의 항상 흰색이고 중심부의 픽셀들은 인접 픽셀과 강하게 연관되었다는 점을 이 장의 서두에서

설명했습니다.

9

옮긴이_ 거의 모두 흰색인 테두리 부분을 떼어놓고 생각하면 대부분의 이미지가 더 낮은 차원(적은 픽셀)인 부분 공간에 놓여 있다고 말

할 수 있습니다.

277

8

장

차원 축소

모든 훈련 샘플이 거의 평면 형태로 놓여 있습니다. 이것이 고차원 (

3D

) 공간에 있는 저차원

(

2D

) 부분 공간입니다. 여기서 모든 훈련 샘플을 이 부분 ...