12 역주 클래스별 평균 벡터인 mean_vec을 (13, 1) 크기의 열 벡터로 만든 후 외적을 하여 (13, 13) 행렬을 만들었습니다. 이 행렬은 행과 열이 같은 배수로 증가하기 때문에 최대 랭크가 1입니다. 마지막 클래스의 평균 벡터는 다른 클래스의 평균 벡터에 종속적이므로 전체 산포 행렬 SB의 랭크는 c - 1이 됩니다.

13 Visualizing data using t-SNE by Maaten and Hinton, Journal of Machine Learning Research, 2018
https://www.jmlr.org/papers/volume9/vandermaaten08a/vandermaaten08a.pdf

14 Initialization is critical for preserving global data structure in both t-SNE and UMAP by Kobak and Linderman, Nature Biotechnology Volume 39, pages 156-157, 2021, https://www.nature.com/articles/s41587-020-00809-z

15 How to Use t-SNE Effectively by Wattenberg, Viegas, and Johnson, Distill, 2016, https://distill.pub/2016/misread-tsne/

16 UMAP: Uniform manifold approximation and projection for dimension reduction by McInnes, Healy, and Melville, 2018 https://arxiv.org/abs/1802.03426