Covariance Matrix와 Eigen-decomposition 기반의 고차원 데이터 압축
PCA From Scratch: Compress Data, Keep the Signal
토스 기술블로그얼굴 인식의 역사와 페이스페이의 미래
LFW 99.63% 달성 및 4,200만 장 데이터 정제를 통한 얼굴 인식의 진화
SVD 기반 Factor Analysis로 추상적 PCA 차원을 해석 가능한 지표로 전환
Principal Components in TypeScript (Part 4)
PCA 기반 Eigen CAM 도입을 통한 CNN Feature Map 시각화 최적화
Principal Components in TypeScript (Part 3)
TypeScript 기반 Client-side PCA 구현을 통한 1,536차원 벡터의 실시간 2D 시각화
Under the Hood: Building an Interactive 1,536-Dimensional Vector Space Visualizer with React & PCA
Covariance Matrix 기반 차원 축소로 데이터 분산 95% 이상 보존
PCA (Principal Component Analysis): Finding the Hidden Structure in High‑Dimensional Data
PCA 기반 차원 축소로 정보 손실 5% 미만 유지 및 데이터 55% 압축 달성
68. PCA: Shrinking Data Without Losing Information
PCA와 t-SNE를 통한 고차원 데이터의 효율적 차원 축소 및 시각화 전략
Dimensionality Reduction in Machine Learning: PCA and t-SNE.
PCA를 넘어 Information Geometry로 분석한 보행자 행동 패턴
Constructing a Station-Level Statistical Manifold with Dual Flat Structure from Pedestrian Trajectories