주성분 분석의 일반화
주성분 분석은 방향들이 만드는 부분공간과 그 위의 투영, 투영이 설명하는 분산을 사용한다. HoroPCA는 이 세 요소를 쌍곡 공간에 맞게 구성해 자료의 주요 방향을 찾는다.
정보를 보존하는 투영
원래 자료의 거리 같은 정보를 투영 뒤에도 보존하는 문제에 초점을 맞춘다. 기존 쌍곡 PCA 일반화와 정보 보존 성질을 이론적으로 비교하고 거리 보존 오차를 실험했다.
차원 축소 이후의 활용
자료 백색화로 사용했을 때 후속 분류에 주는 효과를 평가했다. 쌍곡 자료를 두 차원으로 시각화하는 데에도 활용해 고차원 표현을 분석하는 방법을 제시했다.
관련 문서
주성분 분석 / 차원 축소 / 중첩 쌍곡 공간 학습 / 푸앵카레 임베딩 / 임베딩 / 시각화