Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 이미지향상
- Data Analysis
- 고차원데이터
- 이미지콘볼루션
- data science
- 모델링
- 이미지처리
- simulation
- 데이터사이언스
- high dimensional data analysis
- functional data analysis
- 고차원데이터분석
- 이미지대비
- big data
- high-dimensional data analysis
- 빅데이터
- 시뮬레이션
- 이미지스트레칭
- OpenCV
- 미국온라인석사
- gray level resolution
- 스플라인
- datascience
- 이미지프로세싱
- 이미지분석
- 함수형데이터분석
- OMSA
- bitdepth
- 데이터분석
- 이미지변환
Archives
- Today
- Total
목록pca (1)
곤약노트
#5 함수형 데이터 분석 (Functional Data Analysis, FDA) - Functional Principal Component (FPCA)
지난 포스팅에서..▶ 함수형 데이터(Functional Data)는 시간(time)이나 공간(space)에 따라 연속적으로 변화하는 곡선(Curve) 형태의 데이터를 의미스플라인(Spline): 구간을 나누어 다항식으로 매끄럽게 표현 커널 스무더(Kernel Smoother): 예측 지점 근처의 데이터를 가중 평균▶ 한계:복잡한 고차원 데이터에서는 해석이 어려움 시간 또는 공간에 따른 상관관계를 반영하기 어려움예측 변수(Feature)가 너무 많아 차원 축소가 필요▶ 해결 방법: FPCA (함수형 주성분 분석)1. 함수형 주성분 분석 (FPCA)란?FPCA:함수형 데이터를 차원 축소하여, 중요한 특징만 추출하는 분석 방법일반적인 PCA(Principal Component Analysis)와 비슷하지만, ..
Data Science/High-Dimensional Data Analytics
2025. 6. 5. 09:00