새몬 매핑
1. 개요
새몬 사영은 통계 컴퓨팅에 사용되는 알고리즘으로, R 프로그래밍 언어의 MASS 패키지, MATLAB의 SOM toolbox 등에서 지원한다.
새몬 매핑
개요
| 종류 | 비선형 차원 축소 |
|---|---|
| 분야 | 머신러닝 |
| 고안자 | 존 W. 새먼 |
| 발표년도 | 1969년 |
상세 정보
| 목적 | 고차원 공간의 점들을 저차원 공간으로 사영 |
|---|---|
| 특징 | 점들 사이의 상대적인 거리를 최대한 보존 |
| 활용 | 데이터 시각화, 패턴 인식 |
| 단점 | 지역 최적점에 빠지기 쉬움 계산 비용이 높음 |
작동 원리
| 비용 함수 | 원본 공간과 사영된 공간에서의 거리 차이 최소화 |
|---|---|
| 최적화 방법 | 경사 하강법 등 |
| 고려사항 | 초기점 선택, 학습률 설정 |
장점
| 거리 보존 | 데이터의 구조적 특징을 잘 반영 |
|---|---|
| 시각화 용이 | 고차원 데이터를 2차원 또는 3차원으로 시각화 가능 |
단점
| 계산 복잡도 | 데이터 크기가 커질수록 계산 비용 증가 |
|---|---|
| 파라미터 설정 | 적절한 파라미터 (학습률 등) 설정 필요 |
| 지역 최적점 | 최적화 과정에서 지역 최적점에 갇힐 수 있음 |
관련 연구
| 연구 분야 | 패턴 분류, 데이터 마이닝 |
|---|---|
| 관련 논문 | 존 W. 새먼, "데이터 구조 분석을 위한 비선형 사영", IEEE Transactions on Computers, 1969. B. Lerner 외, "새먼의 비선형 사영을 이용한 패턴 분류에 대한 실험적 연구", Pattern Recognition, 1998. |
기타
| 다른 이름 | 새먼의 사영 |
|---|
📚 더 읽어볼만한 페이지
-
차원 축소 -
독립 성분 분석
독립 성분 분석(ICA)은 데이터가 통계적으로 독립적인 성분들의 혼합이라는 가정하에, 데이터에서 독립적인 성분들을 찾아내는 통계적 계산 방법으로, 다양한 알고리즘 개발을 거쳐 블라인드 신호 분리, 뇌파 분석, 얼굴 인식 등 여러 분야에 응용된다. -
차원 축소 -
특징 선택
-
함수와 사상 -
적분
적분은 아르키메데스가 고안하고 앙리 르베그가 완성한 미적분학의 핵심 개념으로, 도형의 면적과 부피를 구하는 데 사용되며 미분과 역의 관계를 갖고, 확률, 넓이, 부피 계산 등 다양한 분야에서 활용된다. -
함수와 사상 -
지수 함수
지수 함수는 양의 상수 *a*를 밑으로 하는 *y = a<sup>x</sup>* 형태의 함수이며, 특히 자연로그의 역함수인 *e<sup>x</sup>*는 다양한 정의와 응용을 가지며 복소수로 확장될 수 있다.
2. 소프트웨어
새몬 사영은 통계 컴퓨팅용 언어인 R의 MASS 패키지와, MATLAB의 패키지인 [http://www.cis.hut.fi/projects/somtoolbox/ SOM toolbox]에서 지원한다.
2.1. R
새몬 사영은 통계 컴퓨팅용 언어인 R의 MASS 패키지에서 지원한다.