[TIL] 오예은_200923

- **키워드**: `Vector Transformation` `High dimension Data` `Feature Extraction / Selection` `PCA`

- **배운 것**:
--> 벡터 변환, transformation 행렬
--> 행렬 A를 선형변환으로 봤을 때, 선형변환 A에 의한 **변환 결과가 자기 자신의 상수배가 되는 0이 아닌 벡터**를 **고유벡터(eigenvector)**라 하고 이 **상수**배 값을 **고유값(eigenvalue, 람다로 표기)**라 한다. 또한, 고유벡터는 주어진 transformation에 대해서 크기(고유값만큼)만 변하고 방향은 변화 하지 않는다.
--> 인간이 인식할 수 있는 차원의 한계 때문에 데이터 샘플의 수보다 feature 수가 많아지면 오히려 분석하기가 어려워지는 (모델의 성능이 떨어짐) 것을 고차원의 문제라고 한다.
--> 그래서 feature가 너무 많을 때 PCA를 통해서 몇 개의 feature로 요약(?압축?)하여 분석을 수행할 수도 있다.

- **어려웠던 부분**:
--> transformation 벡터는 단순히 좌표평면의 x, y 계수 값을 가진 벡터라고 할 수 있는것인가?
--> 여러개의 feature들을 한꺼번에 pca 해도 내가 원하는 개수의 feature를 얻을 수 있는 것인지 헷갈린다.

- **느낀 점, 앞으로 할 것**:
--> 기초지식이 없는 상태에서 수업시간에 다루는 개념들만 띄엄띄엄 보다보니 여러 개념이 아직 연결이 안되는 것 같다. 웜업 시간에 영상을 보고 '이건가?' 싶다가도 수업시간에 다른사람들이 질문하고 답하는걸 들으면 갑자기 혼란이 온다. 칸아카데미 영상을 보고 많이들 공부하시는것 같은데 이번 솔로위크때는 선형대수 강의를 처음부터 차근차근 들어야겠다.