본문 바로가기

차원축소1

핸즈온 머신러닝 8장. 차원 축소 Intro 많은 머신러닝 문제의 데이터셋은 수천에서 많게는 수백만 개의 특성을 가진다이렇게 너무 많은 특성은 훈련을 느리게 하고 모델의 성능을 떨어뜨리기도 한다. 이런 문제를 차원의 저주라 부른다이런 문제들은 특성 수를 크게 줄여서 불가능한 문제를 가능한 범위로 변경할 수 있는 경우가 존재한다ex) MNIST 이미지. 이미지 경계의 픽셀은 거의 흰색이므로 제거해도 많은 정보를 잃지 않음. 또는 인접한 두 픽셀들은 서로 연관성이 크기 때문에 평균을 내어 하나의 픽셀로 합치는 것도 좋은 방법차원을 축소시키면 일부 정보가 손실이 되지만 그만큼 훈련 속도가 빨라질 수 있다따라서 차원 축소를 하기 전에 원본으로 먼저 학습 및 테스트해보는 것도 좋다. 때로는 차원 축소를 통해 노이즈나 불필요한 데이터를 필터링하여 .. 2025. 1. 9.

이전 1 다음

티스토리툴바