[TIL]이동훈_121620

# 키워드
Document Classification

# 배운 것
SVD (Singular Value Decomposition)
쉽게말하면, 정보의 압축 (차원 축소)
Document의 Topic을 찾는것 (여성 사진의 원래 차원은 512였지만, 16차원의 정보만으로도 여전히 사진의 인물이나, 디테일을 구별하는데에는 큰 문제는 없었다.)

차원이 1이나 2일때는, 이게 뭘까? 싶지만...
SVD도, 이미지 학습할때 사용되지 않을까? 라는 생각이 들었다. (아마 그럴것 같은데?)

PCA도 SVD의 소스코드를 사용한다. (PCA도 차원을 축소하는것은 마찬가지. 대신 feature의 정보는 잃어버리지만.)

# 어려웠던 부분
SVD, 선형대수학의 개념.
Matrix 오랜만이네? 섹션 1때 봤을때 머리 빠개지는줄 알았는데. 죽지않고 더 강력해져서 돌아왔네. ㅎㅎ

# 더 알고 싶은 부분 / 공부하고 싶은 부분
나중에 시간이되면, (리뷰 위크던, 금요일이던) SVD를 다시한번 복습하면 좋을것 같다.

# 느낀 점
아니... 오늘 기술부분은 쉬울것 같았는데. (섹션 2과) 닮은 부분이 많이 있기때문에.
그런데 왜 자꾸... 레어가 뜨는것인가... 화가 나려고한다.

This issue is a Korean TIL entry about document classification, SVD, and PCA. It names no files, tests, or entry points and does not request a specific change, so there is no defined completion check or concrete starting point.

Written by the indexing model from the issue text.