Studying data

1. 특이값 분해 (Singular Value Decomposition, SVD) 선형대수에서 특이값 분해(Singular Value Decomposition, SVD)란 행렬 분해(Matrix Factorization), 행렬을 대각화하는 방법 중 하나로, 행렬을 직교행렬(orthogonal matrix)과 대각행렬(diagonal matrix)로 분해하는 방법이다. 즉 행렬을 차원축소하는 도구인데 실제로 주성분 분석(PCA)과 같은 분야에서 흔하게 쓰인다. 이 방법은 고유값 분해(eigen decomposition)의 일반화 된 방식이라고 볼 수 있다. 고유값 분해가 $m \times m$의 정방행렬 중에서도 m개의 고유벡터들이 선형독립인 경우에만 가능한 방법이었다면, 특이값 분해는 정방행렬 여부..

고유값과 고유벡터 구하기 주성분 분석(PCA, Principal Component Analysis) Reference 1. https://losskatsu.github.io/linear-algebra/eigen/# 고유값, 고유벡터 2. https://m.blog.naver.com/galaxyenergy/222123501087 고유값, 고유벡터 3. https://www.wolframalpha.com/input?i=eigenstuff&assumption=%7B%22F%22%2C+%22Eigenvalue%22%2C+%22eigvalmatrix%22%7D+-%3E%22%7B%7B3%2C-1%2C-1%7D%2C%7B-12%2C0%2C5%7D%2C%7B4%2C-2%2C-1%7D%7D%22&assumption=%..