이전 절에서는 PCA와 LDA 같은 특성 추출을 위한 선형 변환 기법에 대해 살펴보았습니다. 이 절에서는 비선형 차원 축소 기법을 고려하는 것이 왜 가치가 있는지에 대해 설명하겠습니다.

특히 주목할 만한 비선형 차원 축소 기법 중 하나는 고차원 데이터셋을 2차원 또는 3차원으로 시각화하기 위해 논문에서 자주 사용되는 t-SNE(t-distributed Stochastic Neighbor Embedding)입니다. t-SNE를 적용하여 손글씨 이미지를 2차원 특성 공간에 출력하는 방법을 살펴보겠습니다.