전산물리학:주성분_분석

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision		 Previous revision
전산물리학:주성분_분석 [2019/05/28 12:24] – admin전산물리학:주성분_분석 [2023/09/05 15:46] (current) – external edit 127.0.0.1
Line 61: Line 61:
 특이값 분해(singular value decomposition)를 사용하면 $M \times N$ 행렬 $X$를 $X = U D V^T$로 분해할 수 있다. 이 때 $U$는 $M \times M$ 직교행렬, $V$는 $N \times N$ 직교행렬, 그리고 $D$는 대각행렬이다. $U$의 열들은 $X X^T$의 고유 벡터, 그리고 $V$의 열들은 $X^T X$의 고유 벡터들이다. 특이값 분해(singular value decomposition)를 사용하면 $M \times N$ 행렬 $X$를 $X = U D V^T$로 분해할 수 있다. 이 때 $U$는 $M \times M$ 직교행렬, $V$는 $N \times N$ 직교행렬, 그리고 $D$는 대각행렬이다. $U$의 열들은 $X X^T$의 고유 벡터, 그리고 $V$의 열들은 $X^T X$의 고유 벡터들이다.
  
-특이값 분해를 사용하면 더 간결하게 적을 수 있다.+특이값 분해를 써서 아래처럼 더 간결하게 적을 수 있다.
 <Code:python> <Code:python>
 from __future__ import print_function,division from __future__ import print_function,division
Line 86: Line 86:
 scatter(D[0]*V_transpose[0,:]+mu.dot(U[:,0]), D[1]*V_transpose[1,:]+mu.dot(U[:,1])) scatter(D[0]*V_transpose[0,:]+mu.dot(U[:,0]), D[1]*V_transpose[1,:]+mu.dot(U[:,1]))
 </Code> </Code>
 +
 +실행 결과는 아래와 같다.
 +
 +{{::전산물리학::pca_iris.png?500|}}
  
 ======참고문헌====== ======참고문헌======
  • 전산물리학/주성분_분석.txt
  • Last modified: 2023/09/05 15:46
  • by 127.0.0.1