인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
초록·키워드
Dimensionality reduction 방식은 머신러닝을 수행할 때 메모리와 디스크 사용에 대한 비용을 줄일 수 있고 더 좋은 점은 머신이 학습하는 시간을 단축할 수 있다. 더 빠른 결과를 볼 수 있고 성능이 좋은 머신러닝 시스템을 만들 수 있게 된다. Dimensionality reduction 방식 중 Principal Component Analysis(PCA)는 변수들을 주성분(Principal Compoenet)이라 부르는 선형적인 상관관계가 없는 다른 변수들로 재 표현한다. PCA는 차원 축소에 대한 unsupercised 접근 방식이며 다 변수 데이터 집합의 변수 수를 대표 변수의 더 작은 집합으로 줄이기 위해 광범위 하게 적용된다. 본 논문에서는 PCA 알고리즘을 사용하여 특정한 dataset에 대한 dimensionality reduction을 수행한 다음 k-means clustering 알고리즘을 이용해 성능을 향상시키는 방법을 제안한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
