기계 학습와 주성분 분석
바로 가기: 차이점, 유사점, Jaccard 유사성 계수, 참고 문헌.
기계 학습와 주성분 분석의 차이
기계 학습 vs. 주성분 분석
학습(機械學習) 또는 머신 러닝()은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있. 기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이. 공분산행렬 고윳값의 제곱근에 해당하며, 고유 벡터의 끝점이 평균점에 위치한 채로 각 주성분의 방향을 나타내고 있다. 통계학에서 주성분 분석(主成分分析, Principal component analysis; PCA)은 고차원의 데이터를 저차원의 데이터로 환원시키는 기법이.
기계 학습와 주성분 분석의 유사점
기계 학습와 주성분 분석는 공통점이 1 개 있습니다 (유니온백과에서): 데이터 마이닝.
위의 목록은 다음 질문에 대한 대답입니다
- 기계 학습와 주성분 분석에는 공통점이 있습니다
- 기계 학습와 주성분 분석의 유사점은 무엇입니까
기계 학습와 주성분 분석의 비교.
기계 학습에는 34 개의 관계가 있고 주성분 분석에는 45 개의 관계가 있습니다. 그들은 공통점 1을 가지고 있기 때문에, Jaccard 지수는 1.27%입니다 = 1 / (34 + 45).
참고 문헌
이 기사에서는 기계 학습와 주성분 분석의 관계를 보여줍니다. 정보가 추출 된 각 기사에 액세스하려면 다음 사이트를 방문하십시오: