View source for Principal-Components Analysis

From Opengenome.net

← Principal-Components Analysis

You do not have permission to edit this page, for the following reason:

---

You can view and copy the source of this page.

<font color="#800080" size="4"><strong>PCA(Principal-Components Analysis )</strong></font><br /><br /><span style="FONT-SIZE: 10pt; COLOR: black; FONT-FAMILY: 굴림; mso-hansi-font-family: 'Times New Roman'; mso-bidi-font-family: 굴림; mso-ansi-language: KO; mso-fareast-language: KO; mso-bidi-language: AR-SA">PCA (Hotelling, 1933)는 전통적인 Dimension Reduction방법이다. PCA도 Dimension을 줄여주면서&nbsp;<br />원래 데이터의 분포에 대한 많은 정보를 그대로 유지할 수 있으므로 이런 면에서 정보 이론적 접근&nbsp;<br />방법과 비슷한 면이 있다. PCA를 구현하는 방법은 선형 대수학적인 방법,&nbsp;<br />Generalized Hebbian&nbsp;Learning(Oja,1982)등이 있으며 각각은 속도와 메모리 요구량에 대해서&nbsp;<br />tradeoff가 있다. 이 보고서에서는 선형 대수적인 방법을 사용하여 PCA를 구현하였다.</span>

Return to Principal-Components Analysis.