pca / LDA 차원축소 질문

안녕하십니까,

저 각각의 lda_component들이 무엇을 의미하는지가 이해가 잘 안됩니다.

=> lda_component가 어느 변수인지 잘 모르겠지만, 질문의 문맥상 lda.fit_transform()의 반환 결과로 가정하고 답변 드리겠습니다.

차원 축소는 원본 데이터의 피처의 개수를 줄이되, 해당 데이터의 특성을 가장 잘 나타내는(해당 데이터를 잘 설명할 수 있는) 함축적인 피처들을 기존 데이터에서 추출하여 피처의 개수를 줄이는 방법입니다.

lda.fit_transform()의 반환 결과가 바로 이 함축적인 피처입니다.

차원 축소는 여러가지 알고리즘이 있는데, 이들 알고리즘의 대략적인 목표는 기존 데이터의 정보 유실을 최소화 하면서 최적으로 해당 데이터의 특성을 잘 나타내는 피처들을 압축해서 추출해 내는 것입니다.

PCA의 경우는 데이터의 분산이 해당 데이터의 특성을 잘 나타내는 것으로 간주하고 데이터의 변동성이 가장 큰 방향으로 개별 축을 생성하고 이 축에 데이터를 투영해서 새로운 피처들을 추출하는 방식입니다.

LDA도 PCA와 유사합니다. 다만 입력 데이터의 결정값 클래스를 최대화 할 수 있는 축을 기반으로 새로운 피처들을 추출하는 방식입니다.

감사합니다.