본문 바로가기 메뉴 바로가기

금융 데이터를 분석하는 뇌과학자

프로필사진
  • 글쓰기
  • 관리
  • 태그
  • 방명록
  • RSS

금융 데이터를 분석하는 뇌과학자

검색하기 폼
  • All (167)
    • About (1)
    • 공부하기 (44)
      • 데이터과학 (15)
      • 뇌과학/의과학 (26)
      • 분석도구 (2)
    • 사는 이야기 (120)
      • 육아일기 (12)
      • 생각들 (37)
      • 학회참석 (7)
      • 여행일기 (32)
      • 책리뷰 (17)
      • 사진 (15)
    • Publications (1)
    • Invited Talk (1)
  • 방명록

lens (1)
고차원 데이터의 차원 축소와 시각화 방법 (PCA vs. t-SNE)

데이터분석과 관련하여 가장 중요한 것은 데이터가 어떻게 생겼는지 탐색하는 과정입니다. 이 과정에 데이터의 특정 변수의 분포를 관찰할 수도 있고, 서로 상관관계가 있는 변수들이 어떻것이 있는지 살표보는 과정이 있을 수도 있다. 하지만, 최근에는 데이터셋이 갖고 있는 변수의 숫자가 늘어남에 따라서 몇몇 특정 변수의 분포를 살펴보는 것으로 데이터를 탐색한다고 말하기가 어려운 상황입니다. 고차원의 데이터로부터 핵심적인 정보를 추려내고 시각화 한 후에야 데이터가 어떤 특징을 갖고 있는지 탐색하는게 가능합니다. 이러한 문제점을 해결해 줄 수 있는 방법으로 고차원 데이터의 차원을 줄여서 시각화 하는 기술은 매우 중요합니다. 이러한 기술로 주성분분석(Principle Component Analysis, PCA)와 t-..

공부하기/데이터과학 2018. 9. 11. 14:02
이전 1 다음
이전 다음
최근에 올라온 글
  • 고차원 데이터의 차원 축소..
  • 산들어린이집에서 공동육아..
  • 34개월 남자 아이의 심리
  • 모든 삶은, 작고 크다
최근에 달린 댓글
  • 아이고... 고생이 많이세요^^..
  • 아이가 태어나서 첫 주말인데,..
  • 지나가다 이 글을 보고 TDA에..
  • 안녕하세요! 몇일전부터 여기..
Total
186,374
Today
1
Yesterday
23

Blog is powered by Tistory / Designed by Tistory