ML

학습 알고리즘에 데이터를 넣기 전에, 데이터의 변수가 너무 많으면 안 된다. 데이터의 변수가 많으면 생기는 일로는 모델의 해석력이 떨어진다. 변수가 너무 많으면 어떤 게 영향을 주는지에 대한 해석이 힘들다는 뜻이다. 두 번째로는 모델 훈련시간이 매우 상승한다는 것이며 세 번째로는 차원의 저주가 있다. https://oi.readthedocs.io/en/latest/ml/curse_of_dimensionality.html 위 링크에 따르면 차원이 커짐에 따라 공간이 커지고, 그 공간 내에 모든 경우를 다 채우려면 더 많은 데이터가 필요하다. 이처럼 차원이 커짐에 따라 모든 경우를 다 파악하는데 필요한 데이터가 기하급수적으로 늘어나는 현상을 차원의 저주 라고 한다. 이를 위해서 특성 선택 방법론을 정하는 것..