PCA (Principal Component Analysis)

PCA(Principal Component Analysis), 즉 주성분 분석은 고차원 데이터에서 정보 손실을 최소화하면서 데이터의 차원을 축소하는 비지도 학습 기법입니다.

핵심 개념

• 데이터의 분산이 가장 큰 방향을 찾아 새로운 축인 주성분(Principal Component)을 생성합니다.
• 이는 데이터의 주요 패턴을 포착하여 계산 복잡도를 줄이고 시각화를 용이하게 합니다.

PCA는 데이터의 공분산 행렬을 기반으로 하며, 변수들 간의 상관관계를 고려하여 정보를 압축합니다. 결과적으로 낮은 차원의 공간에서도 원래 데이터의 대부분의 정보량을 보존할 수 있습니다. 이는 차원 축소 문제 해결에 유용하며, 특잇값 분해 등의 수학적 도구를 활용합니다.

주요 응용 분야로는 데이터 시각화, 노이즈 제거, 그리고 머신러닝 모델의 입력 특성 수를 줄이는 데 사용됩니다.