- SVD는 고차원 데이터를 저차원으로 축소하는데 흔히 쓰이는 기법이므로 데이터 학습에 유용하다. 💯
- SVD는 데이터의 주요 패턴을 파악하기 위한 기법이자 얼굴 인식이나 추천 시스템 등에 적용된다. 🧐
- SVD는 데이터를 세 가지 행렬(U, Sigma, V transpose)의 곱으로 나타내는데, 각 행렬은 데이터의 특징을 나타낸다. ✨
- Singular values는 중요도 순으로 정렬되어 있으며, 가장 큰 singular value는 데이터에서 가장 중요한 정보를 나타낸다. 📈
- U행렬은 데이터의 주성분을 나타내고, V 행렬은 주성분의 기저 벡터를 나타낸다. 🧬
Recommanded Videos
Next.js 16 Middleware DEPRECATED - Authentication In Proxy Or Data Access Layer?
2025. 10. 24.
My Favourite Games from GMTK Game Jam 2025
2025. 8. 18.
Count Total Number of Colored Cells - Leetcode 2579 - Python
2025. 3. 5.
C개발자를 위한 SQL 강의소개 그리고 왜 Find가 아니라 Select???
2024. 5. 17.
Clear Digits - Leetcode 3174 - Python
2025. 2. 10.
로켓배송에 사용한 인공지능은? | 시계열 예측 Time-Series, Temporal Fusion Transformer
2025. 5. 21.