[KT AIVLE] DX트랙 머신러닝(7주차) 복습(비지도학습: 차원 축소, 클러스터링)
머신러닝 복습비지도학습레이블이나 명시적인 결과 없이 입력 데이터의 구조나 패턴을 발견하고 모델링하는 방법비지도 학습만으로 끝나지 않고 후속 작업 필요차원 축소: 고차원 데이터를 축소하여 새로운 feature 생성Clustering: 고객별 군집 생성이상탐지: 정상 데이터 범위 지정 1. 차원 축소고차원 데이터는 많은 특성(feature)을 가지고 있기 때문에 데이터를 시각화하거나 분석하기 어려움또한, 차원이 증가함에 따라 데이터의 복잡성도 증가 및 학습 알고리즘의 성능이 저하됨(차원의 저주)따라서 차원 축소는 데이터의 복잡성을 줄이고 효율적인 분석을 가능하게 함ex) 주성분 분석(PCA), t-SNE 주성분 분석(PCA)데이터를 새로운 축으로 변환하여 가장 많은 분산을 보존하는 주성분을 찾아내는 방법스케..