목차1. 차원 축소(Dimensionality Redcution)2. 왜 차원 축소가 필요할까?3. 차원 축소 활용 예시4. 차원 축소의 두 가지 방식5. 차원 축소의 핵심 아이디어6. 차원 축소 주요 기법 1. 차원 축소(Dimensionality Reduction)차원 축소는 데이터의 특징(Feature) 개수를 줄이면서도 중요한 정보는 최대한 유지하는 방법이다. 즉, 불필요한 정보는 제거하고, 핵심 정보만 남겨서 데이터를 더 효율적으로 표현하는 과정이라고 할 수 있다. 머신러닝 모델을 사용할 때, 특징(feature)이 너무 많으면 다음과 같은 문제가 발생한다.계산 속도 저하과적합(Overfitting) 발생모델 해석 어려움따라서 차원 축소는 효율성과 성능을 동시에 개선하는 핵심 기법이다. 장점연산..