결과 그래프에서 볼 수 있듯이 처음 두 개의 선형 판별 벡터가 Wine 데이터셋에 있는 정보 중 거의 100%를 잡아냅니다.

    ▲ 그림 5-7 선형 판별 분석의 설명된 분산

    두 개의 판별 고유 벡터를 열로 쌓아서 변환 행렬 W를 만들어 봅시다.

    >>> w = np.hstack((eigen_pairs[0][1][:, np.newaxis].real,
    ...                eigen_pairs[1][1][:, np.newaxis].real))
    >>> print('행렬 W:\n', w)
    행렬 W:
    [[-0.1481  -0.4092]
     [ 0.0908  -0.1577]
     [-0.0168  -0.3537]
     [ 0.1484   0.3223]
     [-0.0163  -0.0817]
     [ 0.1913   0.0842]
     [-0.7338   0.2823]
     [-0.075   -0.0102]
     [ 0.0018   0.0907]
     [ 0.294   -0.2152]
     [-0.0328   0.2747]
     [-0.3547  -0.0124]
     [-0.3915  -0.5958]]
    신간 소식 구독하기
    뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.