밑바닥부터 시작하는 데이터 과학 데이터 분석을 위한 파이썬 프로그래밍과 수학·통계 기초

from Scratch

163

󽴜󽴔󺠣󽴔󺇄󻉏󼩃󽴔󻇃󺆯󽴔󻟅󺞳󺽃

component = first

_

principal

_

component(data)

components.append(component)

data = remove

_

projection(data, component)

return components

계산된 성분을 사용하면 주어진 데이터를 저차원 공간에서 생성시킬 수 있다.

def transform

_

vector(v: Vector, components: List[Vector]) -> Vector:

return [dot(v, w) for w in components]

def transform(data: List[Vector], components: List[Vector]) -> List[Vector]:

return [transform

_

vector(v, components) for v in data]

차원 축소는 다음과 같은 이유 때문에 중요하다. 첫째, 잡음에 해당되는 차원을

제거해 주고 밀접하게 연관된 차원을 합쳐 주면서 데이터를 정제해 준다.

둘째, 저차원으로 축소시킨 데이터에서는 고차원 데이터에서 사용할 수 없었

던 다양한 기법을 사용할 수 있게 된다. 앞으로 이러한 방법의 예시를 더 자세히

살펴볼 것이다.

한편, 차원 축소를 통해 더 좋은 성능의 모형을 만들 ...