Dimensionality Reduction

차원 축소 기법 중 하나로, 주로 범주형 데이터의 관계를 시각화하는 데 사용돼요. 데이터의 변수 간 연관성을 분석하여 저차원 공간에서 표현할 수 있게 해줘요. 이를 통해 데이터의 구조를 이해하고 패턴을 발견하는 데 도움을 줘요.

고차원 데이터에서 중요한 변수를 추출하여 데이터의 구조를 이해할 수 있게 도와줘요. 이 기법은 상관관계가 높은 변수들을 그룹화하여 차원을 줄여줘요. 결과적으로 데이터 분석의 효율성을 높여주는 효과가 있어요.

Isomap은 비선형 차원 축소 기법이에요. 데이터 포인트 간의 지오데식 거리를 유지하며 저차원 공간으로 맵핑해요. 이렇게 하면 데이터 구조를 잘 보존할 수 있어요.

이 기법은 고차원 데이터의 복잡한 구조를 저차원으로 표현하는 방법이에요. 데이터의 각 점을 주변 이웃의 선형 결합으로 나타내고, 이를 저차원 공간에 유지하려고 해요. 결과적으로, 데이터의 국소적인 구조를 잘 보존할 수 있어요.

고차원 데이터의 구조를 저차원에서 시각화할 수 있게 해줘요. 데이터 포인트 간의 거리 정보를 유지하면서 차원을 줄이는 기법이에요. 주로 유사성이나 차이를 분석하는 데 활용돼요.

데이터의 차원을 축소하는 기법이에요. 주요 변동 방향을 찾아내어 새로운 축으로 변환해요. 이를 통해 데이터의 시각화와 분석 효율성을 높일 수 있어요.