핵심 개념
- 국소 이웃 보존
- 시각화 중심 목적과 재현성 관리
- 파라미터(이웃 수/퍼플렉서티) 민감도
자주 보는 평가 지표
TrustworthinessContinuityNeighborhood Preservation
알고리즘 목록
참고
언제 쓰나
고차원 데이터를 시각화하거나 노이즈를 줄여 표현을 단순화할 때 사용합니다. 작은 실험셋으로 빠르게 기준 성능을 확인한 뒤, 필요하면 더 복잡한 모델로 확장합니다.실무 적용 체크리스트
- 데이터 누수 가능성을 먼저 점검했습니다.
- 학습/검증/테스트 분할 기준을 고정했습니다.
- 핵심 지표(예: F1, RMSE, AUC)를 명시했습니다.
- 베이스라인 대비 개선폭과 비용 변화를 함께 기록했습니다.
자주 나는 실수
- 데이터 분할 전에 전처리를 수행해 데이터 누수가 발생합니다.
- 단일 지표만 보고 모델을 선택해 운영 성능이 불안정해집니다.
- 하이퍼파라미터를 과도하게 조정해 검증셋 과적합이 생깁니다.
다음 문서
다음: Isomap
학습 흐름을 이어서 진행합니다.