PCA는 ‘Principal Component Analysis’, 즉 주성분 분석을 가리킨다. 데이터의 차원을 줄이기 위한 선형 변환 기법이며, 많은 변수로 이뤄진 데이터를 더 적은 수의 주요 성분으로 바라보는 데 초점이 있다. 이때 핵심은 데이터 안에서 분산이 큰 방향을 찾아 주요 성분으로 식별한다는 점이다. 출처 1출처 2
핵심 내용
PCA는 데이터 차원 축소에 쓰이는 선형 변환 기법이다. 차원을 줄인다는 것은 데이터가 지닌 여러 방향 가운데 분석에 중심이 되는 방향을 골라 다루는 과정으로 이해할 수 있다. 출처 1
주성분은 데이터의 분산이 큰 방향을 바탕으로 식별된다. 즉, 데이터 값들이 더 크게 퍼져 있는 방향이 주요 성분을 찾는 기준이 된다. 출처 2
차원 축소와의 연결
데이터의 차원이 많으면 각 변수를 모두 함께 살펴야 하지만, PCA는 주요 성분을 통해 데이터를 다른 관점에서 정리한다. 여기서 중요한 것은 단순히 변수를 줄이는 것이 아니라, 분산이 큰 방향을 우선해 데이터의 핵심적인 변화를 포착하려는 선형 변환이라는 점이다. 출처 1출처 2
이해할 때 짚을 점
PCA에서 ‘주요’하다는 말은 특정 항목의 이름이나 중요도를 임의로 정한다는 뜻이 아니다. 공개된 설명의 범위에서는 데이터의 분산이 큰 방향을 식별하는 원리가 주성분의 기준으로 제시된다. 출처 2
따라서 PCA를 이해하는 출발점은 두 가지다. 첫째, 데이터 차원을 줄이는 방법이라는 점이고, 둘째, 그 과정에서 분산이 큰 방향을 주요 성분으로 찾는다는 점이다. 출처 1출처 2
총 개
