t-SNE 완전 정복: 차원 축소·perplexity·Barnes-Hut까지 원리 해설
고차원 데이터를 2·3차원으로 시각화하는 대표 기법 t-SNE의 작동 원리를 SNE부터 Student t분포, perplexity, Barnes-Hut 가속까지 단계별로 정리했습니다.
핵심 내용 읽기 →
AI TOPIC
t-SNE 최신 뉴스와 핵심 해설
t-SNE 관련 핵심 뉴스와 활용 인사이트 3편을 최신순으로 모았습니다.
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 →
t-SNE 차원 축소 원리 쉽게 이해하기 — 고차원 데이터를 군집이 살아있는 2차원 지도로 시각화하는 법
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 →