UMAP 차원 축소 쉽게 이해하기: 고차원 데이터를 그래프로 보는 핵심 원리와 t-SNE 차이
UMAP은 그래프로 그릴 수 없는 고차원 데이터를 2차원 등 저차원으로 줄여 군집과 이상치를 눈으로 보게 해주는 차원 축소 기법이다. 유사도 점수 계산과 점 이동 과정부터 t-SNE와의 차이까지 작동 원리를 쉽게 정리했다.
핵심 내용 읽기 →AI TOPIC
t-SNE 관련 핵심 뉴스와 활용 인사이트 2편을 최신순으로 모았습니다.

UMAP은 그래프로 그릴 수 없는 고차원 데이터를 2차원 등 저차원으로 줄여 군집과 이상치를 눈으로 보게 해주는 차원 축소 기법이다. 유사도 점수 계산과 점 이동 과정부터 t-SNE와의 차이까지 작동 원리를 쉽게 정리했다.
핵심 내용 읽기 →
t-SNE는 고차원 데이터를 원래 정보를 최대한 살리면서 저차원 그래프로 줄여 숨은 군집을 눈으로 보게 해줍니다. 유사도 점수 계산과 t분포로 군집을 보존하는 작동 원리를 단계별로 풀어 설명합니다.
핵심 내용 읽기 →