放大系統效率與準確度：利用PCA降維，提升你的系統性能！

"放大系統效率與準確度：利用PCA降維，提升你的系統性能！"

使用主成分分析PCA搭配生成對抗網路GAN搭建基於支持向量機SVM的AGV小車降維與資料庫增強實驗。
成功將原1,228,800維度資料降為23維，不但提升了模型計算效率，還增加了模型準確率。

Using Principal Component Analysis (PCA) in conjunction with Generative Adversarial Networks (GAN) to construct a dimensionality reduction and database enhancement experiment for an Automated Guided Vehicle (AGV) car based on Support Vector Machine (SVM).

以下數據皆是採用交叉驗證平均結果
資料原始維度：1,228,800
處理後維度：23
原模型運算時間：2.7948 s
將維處理後時間：0.0629 s
原模型準確率：82.72 %
資料增強後準確率：86.73 %
#python #演算法 #PCA #主成分分析 #降維 #提升效率 #提升準確率 #機器學習 #深度學習 #支持向量機 #SVM #python #Algorithm #PCA #Principal Component Analysis #Dimensionality Reduction #Improve Efficiency #Improve Accuracy #Machine Learning #Deep Learning #Support Machine #SVM