Manifold Learning은 고차원 데이터의 저차원 구조를 학습한다

요약

• 고차원 데이터를 오류 없이 아우르는 저차원 sub space를 찾는 기법 (차원 축소)

본문

• 차원 축소와 같은 의미
• 데이터가 있는 공간을 학습하는 것을 의미함
• 데이터를 고차원 공간에 뿌리고 해당 데이터를 오류 없이 잘 아우르는 sub space를 구함
• 데이터를 매니폴드에 투영하면 차원이 축소됨

목적

1. 데이터 압축
2. 데이터 시각화
3. 차원의 저주
   • 데이터를 줄여도 문제가 없는가?
   • 매니폴드 가정
     • 고차원상의 데이터에서 이 데이터 집합을 표현하는 저차원의 공간이 있을거라는 가정
4. 특징 추출

PCA와 AutoEncoder 차이

• PCA: 선형 차원 축소 기법
• AutoEncoder: 비선형 차원 축소 기법

참고