클라이언트/ 서버/ 엔지니어 "게임 개발자"를 향한 매일의 공부일지

마지막까지 힘내서 달려보자. 비지도 학습 마지막 단원이다.    주성분 분석 실습해 보기  주성분 분석은 데이터가 있는 분산이 큰 방향을 찾는 것으로 이해할 수 있다. 분산은 데이터가 널리 퍼져있는 정도를 말한다. 분산이 큰 방향이란 데이터를 잘 표현하는 어떤 벡터이다. 주성분 벡터는 원본 데이터에 있는 어떤 방향이다. 따라서 주성분 벡터의 원소 개수는 원본 데이터셋에 있는 특성 개수와 같다. 원본 데이터는 주성분을 사용해 차원을 줄일 수 있다. 예를 들면, 다음과 같이 샘플 데이터 s(4, 2)를 주성분에 직각으로 투영하면 1차원 데이터 p(4.5)를 만들 수 있다.주성분은 원본 차원과 같고 주성분으로 바꾼 데이터는 차원이 줄어든다는 점을 꼭 기억하자. 첫 번째 주성분을 찾은 다음 이 벡터에 수직이고 ..

비지도 학습의 마지막 여정이 남아있다. 주성분 분석에 대한 실습을 바로 시작해보자.   주성분 분석 실습해보기   이 함수를 먼저 구현해야 사용할 수 있다.         과일이 잘 복원되었다.            이 코드를 실행하면 로지스틱 회귀 모델이 완전히 수렴하지 못했으니 반복 횟수를 증가하라는 경고가 출력된다. 하지만 교차 검증의 결과가 충분히 좋기 때문에 무시해도 괜찮다.             단원 마무리하기     모든 문제를 다 맞추었다. 공부를 제대로 했다는 증거일 것이다.  학습을 마치고오늘 새벽 4시부터 거의 쉬지도 않고 10시간을 공부했다. 내가 생각해도 참 대단하고 기특했다. 이제 오후 수업에 갈 준비를 해야겠다. 오늘은 아무 이유없이 공부가 하고 싶어 지각한 날이었다.비지도학습까..

비지도 학습의 마지막 단원이다. 이 공부도 최대한 빠르게 학습해 볼 것이다.   학습 목표차원 축소에 대해 이해하고 대표적인 차원 축소 알고리즘 중 하나인 PCA(주성분 분석) 모델을 만들어본다.  시작하기 전에k-평균 알고리즘으로 업로드된 사진을 클러스터에 분류하여 폴더별로 저장했다. 그런데 이벤트가 진행되면서 문제가 생겼다. 너무 많은 사진이 등록되어 저장 공간이 부족하다. 나중에 군집이나 분류에 형향을 끼치지 않으면서 업로드된 사진의 용량을 줄일 수 있을까?  차원과 차원 축소지금까지 데이터가 가진 속성을 특성이라 불렀다. 머신러닝에서는 이런 틈성을 차원이라고도 부른다. 10000개의 특성은 결국 10000개의 차원이라는 것인데, 이 차원을 줄일 수 있다면 저장 공간을 크게 절약할 수 있다.2차원 ..