차원 축소

Python으로 배우는 Machine Learning 전처리

James Chapman

Curriculum Manager, DataCamp

차원 축소와 PCA

  • 비지도 학습 방법
  • 특성 공간 결합/분해
  • 특성 추출 - 특성 공간 축소에 활용
  • 주성분 분석(PCA)
  • 비상관 공간으로의 선형 변환
  • 각 성분에서 최대한 많은 분산 포착
Python으로 배우는 Machine Learning 전처리

scikit-learn에서의 PCA

from sklearn.decomposition import PCA
pca = PCA()
df_pca = pca.fit_transform(df)

print(df_pca)
[88.4583, 18.7764, -2.2379, ..., 0.0954, 0.0361, -0.0034],
[93.4564, 18.6709, -1.7887, ..., -0.0509, 0.1331, 0.0119],
[-186.9433, -0.2133, -5.6307, ..., 0.0332, 0.0271, 0.0055]
print(pca.explained_variance_ratio_)
[0.9981, 0.0017, 0.0001, 0.0001, ...]
Python으로 배우는 Machine Learning 전처리

PCA 주의 사항

  • 성분 해석이 어려움
  • 전처리 과정의 마무리
Python으로 배우는 Machine Learning 전처리

연습해 봅시다!

Python으로 배우는 Machine Learning 전처리

Preparing Video For Download...