728x90
2025년 이후 미래의 취업 전쟁에서 연봉10억 이상을 꿈꾸십니까?
그렇다면 파이선 코딩을 배우는 초보자라도 바로 이 머신 러닝에
독학으로 한번 도전해 보세요. 왜냐구요? 그다지 어렵지 않으니까요!
인공 지능을 배우려는 파이선 코딩 초보자들이 가지게 될 확률이 높은 의문점들을
하나하나 찾아내어 실제 풀어보고 결과를 확인해볼 수 있는 머신 러닝!
인터넷 교보문고에서 450페이지19900원에 판매중입니다.
________________________________________________________________________________________________________________________
앞 블로그에서 (10)식까지 유도된 공식들을 사용하여 수치계산을 해보도록 한다. (1)식에서 계산된 평균값을 참조하면서 class 별 scatter를 계산해보자.
만약 계산된 eigenvalue들의 값이 비슷비슷한 크기라면 X공간의 데이터들을 직선에 제대로 투영할 수 있는 좋은 조짐인데 반하여 eigenvalue 하나는 값이 크지만 나머지들이 아주 작은 경우에는 큰 값만이 투영작업에 도움이 되고 작은 값들은 쓸모가 없으므로 버리도록 한다..
eigenvalue로부터 얻어낸 단위 벡터 
방향으로 좌표 평면에 작도 후 아울러 X공간에서의 데이터들을 Y공간의 직선에 투영하는 작도를 해보자.
'머신러닝' 카테고리의 다른 글
| Iris flowers dataset 적용 Linear Discriminant Analysis II: LDA Graph (0) | 2019.05.22 |
|---|---|
| Iris flowers dataset Linear Discriminant Analysis I: Histogram 작도 (0) | 2019.05.18 |
| 머신러닝의 초창기로 돌아가 보자: Fisher 교수의 Linear Discriminant Analysis 기법:II (0) | 2019.05.13 |
| 경기 꿈의 대학 네째주 I: 아두이노 DHT11 센서 사용 온습도 측정 (0) | 2019.05.12 |
| 머신러닝의 초창기 Fisher 교수의 Linear Discriminant Analysis 기법으로 돌아가 보자::I (0) | 2019.05.10 |