PCA (Principal Component Analysis)

Presentation on theme: "PCA (Principal Component Analysis)"— Presentation transcript:

1 PCA (Principal Component Analysis)
Training PCA (Principal Component Analysis) 정적 평형 Prof. Seewhy Lee Presents

2 1. PCA 2. Example 3. Homework Agenda

3 1. PCA

4 Eigenvalue, Eigenvector

5 Principal Component Analysis

6 2. Example

7 Given Data x1 1 2 3 x2

8 Make Zero Mean x1 1 2 3 x2 y1 -1 1 y2

9 Correlation Matrix y1 -1 1 y2

10 Eigenvalues & Eigenvectors

11 In Two Dim.

12 Data Transformation y1 -1 1 y2

13 Result

14 3. Homework

15 열 개 이상의 데이터를 X 비슷한 모양이 되도록 배치한다. 이것이 N개의 x 벡터이다.
평균을 계산하여 x 벡터에서 뺀다. N개의 y(=x-μ) 벡터이다.

16 SUMSQ, SUMPRODUCT 함수 이용하여 Correlation Matrix를 계산한다.
두 Eigenvalue를 구한다. 복잡하므로 조심조심 ㅋ Eigenvector를 구한다. 이것은 아직 규격화되지 않은 상태.

17 Eigenvector v의 크기를 구한 다음 규격화한 것이 Eigenvector q이다.

18 행렬 곱 명령어 mmult 이용하여 벡터 y를 Q로 변환한다. z=Qy.
학번_성명.xlsx 파일을 e-Class에 제출

19 Can you feel the usefulness?
PCA Can you feel the usefulness?

20 Thanks! Prof. Seewhy Lee