목차
없음
본문내용
PCA (Patient Controlled Analgesia) 란?
Patient: 환자
Controlled: 제어하는
Analgesia: 무통증
PCA 적용하는 이유?
통증이 있을 때 간호사에게만 의존하고 있으면 통증과 진통의 불규칙한 주기가 자주 발생하며 대상자는 통증을 느끼고 약을 원하지만 간호사는 먼저 대상자를 사정한 후 다음에 약물을 준비하여 투약을 하게 된다.
이러한 상황에서 한 시간 내에 진통제가 투여되더라도 통증 완화는 30분밖에 지속되지 않으며 그런 후 대상자는 다시 통증을 느끼게 되고 그 주기가 다시 시작된다.
출처 : 해피캠퍼스
목차
PCA (주성분 분석)
SVD (특이값 분해)
Relationship between PCA and SVD
본문내용
PCA는 데이터의 분산(variance)을 최대한 보존하면서 서로 직교하는 새 기저(축)를 찾아, 고차원 공간의 표본들을 선형 연관성이 없는 저차원 공간으로 변환하는 기법이다. 이를 그림으로 나타내면 아래와 같다. 3차원 공간에 있는 데이터들이 서로 수직인 두 개의 주성분(PC1, PC2)을 새로운 기저로, 선형변환된 것을 확인할 수 있다. 데이터의 분산을 최대로하는 새로운 기저를 찾기 위해서는 데이터 행렬 A의 공분산 행렬을 구해야 한다. 데이터가 각 변수별로 평균이 0으로 맞춰져 있을 때(pre-centering), 공분산 행렬은 아래와 같다.
PCA의 새로운 축을 찾기 위해서는 위 공분산행렬을 아래처럼 고유분해(Eigendecomposition)를 수행해야한다.
출처 : 해피캠퍼스
목차
없음
본문내용
유사도 행렬 A는 사실 kernel PCA에서 사용했던 Gram matrix K와 역할이 같다. 유사도 행 렬 A와 Gram matrix K를 통해 우리는 transformed space에서 eigen vectors를 찾고, 각각의 작업을 수행한다.
하지만 이 유사한 작업의 결과는 다르다. Spectral Clustering은 군집화를 더 쉽게 하기 위해 서 유사도행렬 A를 통해 데이터들을 변형된 공간에 넣고, 후에 clustering algorithm을 적용해 데 이터들을 Linear line으로 데이터들을 partitioning한다.
출처 : 해피캠퍼스