Minlog

Minlog

  • Category
    • About
    • Bayesian
    • Preliminary
      • Stochastic Process
      • Probability
      • Measure
      • Server
    • Research
      • Anomaly Detection
      • Segmentation
      • Active Learning
      • Continual Learning
      • Large Language Model
    • Machine Learning
      • General
      • Models
    • Memorizing
      • Trouble-Shooting
      • Ubuntu
      • Etc
      • Python
      • Java
      • C
      • Qt
      • Jetson
      • Quantization
    • BE
      • NodeJS
      • Flask
      • Spring
      • Deploy
      • Docker
      • EC2
      • APM
      • NGINX
      • TESTING
    • FE
      • JS
      • CSS
    • PS
      • 백준
      • SOFTEER
      • 리트코드
  • 홈
  • 태그
  • 방명록
RSS 피드
로그인
로그아웃 글쓰기 관리

Minlog

컨텐츠 검색

태그

CSS 백준 jetson orin nano dfs MCMC C 항해99 FLASK c++ spring Probabilistic Graphical Model MarkovChain Montecarlo 가우시안 혼합모델 jetpack6 CUDA Python 회고 HTML ps 확률그래프모델

최근글

댓글

공지사항

아카이브

pca(1)

  • [models] 주성분 분석(Principal Component Analysis)

    이번 글에서는 데이터의 차원 축소에 많이 쓰이는 방법 중 하나인 주성분 분석에 대해 알아보겠습니다. [관련 글] 가우시안 혼합 모델의 확장(Extention of Gaussian Mixture) $D$차원의 $N$개 데이터셋 $ \textbf {x} = \left ( x_1,\dots, x_N \right )^T $에 대해 생각해보겠습니다. 우리는 $D$ 차원의 데이터를 $M$차원으로 축소하기를 원한다고 가정하겠습니다. $M=1$이라고 가정하고, 우리가 축소할 차원의 방향을 가진 $\textbf{u}_1$벡터를 생각해보겠습니다. 각각의 데이터를 $\textbf{u}_1$방향으로 사영(projection) 시킨 후, 그들의 분산을 구하면 다음과 같습니다. $\frac {1}{N} \displaystyle ..

    2021.08.16
이전
1
다음
티스토리
© 2018 TISTORY. All rights reserved.

티스토리툴바