안녕하세요 이제 그람슈미트과정 배운 초보자입니다PCA가 차원을 축소해서 데이터 연산을 줄일수 있다고 하던데요..여러곳에서 쓰이는건가요?아니면 특정 모델에서만 쓰이나요?선형대수 교재가 SVD 다음에 PCA가 끝이던데문득 어디에 쓰이는지 궁금해서 여쭤봅니다ㅎㅎ
데이터를 전처리하는 과정에서 pca로 축소된 차원의 데이터를 사용해서 모델의 복잡도를 줄일 수도 있고, 고차원의 데이터 혹은 latent feature가 어떻게 분포해있는지를 간접적으로 볼 때 2차원 혹은 3차원으로 visualization하기 위해 사용하곤 합니다
후자의 visualization 관점에서는 pca 말고 t-sne를 사용하기도 합니다만, t-sne는 데이터가 놀고 있는 고차원 공간을 너무 왜곡시키는 점 때문에 실제로 xai 측면에서 feature의 분포를 해석할 때에는 pca를 주로 사용하는 것 같네요
데이터전처리, 시각화에 쓰이는군요 자세한 답변 감사합니다ㅎㅎ
dall2 라고 알려져있는 unclip 논문에서도 이미지 임베딩 차원이 너무 커서 pca 써서 prior 학습함