MLDL 차원축소

[차원축소] 섹션 메인

여기서는 고차원 데이터에서 무엇을 남기고 무엇을 버릴지를 결정하는 표현의 문제를 다루는 장이다.
다중공선성과 차원의 저주로 인해 추정이 불안정해지고 계산이 어려워지는 상황을 출발점으로 삼는 장이다.

PCA와 요인분석을 통해 통계적 차원축소가 데이터를 선형 변환과 잠재요인 관점에서 어떻게 요약하는지 정리하는 장이다.
이어서 오토인코더가 병목 구조를 통해 재구성 오차를 최소화하면서 잠재표현을 학습하는 과정을 설명하는 장이다.

또한 VAE를 통해 잠재공간을 확률적으로 모델링할 때 요약을 넘어 생성과 샘플링이 가능해지는 직관을 개념 중심으로 이해하는 장이다.
마지막으로 선형과 비선형, 해석성과 표현력 사이의 트레이드오프를 비교하여 적용 상황에 따른 선택 기준을 제시하는 장이다.