PCA

주성분 분석(Principal Component Analysis, PCA)은 고차원 데이터에서 가장 분산이 큰 방향을 찾아 차원을 축소하는 비지도 학습 기법입니다.

핵심 개념

• PCA의 목표는 데이터의 정보 손실을 최소화하면서 변수의 개수를 줄이는 것입니다.
• 데이터의 분산을 최대화하는 새로운 직교 좌표축인 주성분(Principal Components)을 찾습니다.
• 이 과정은 데이터의 공분산 행렬을 기반으로 하며, 고유값(Eigenvalues)과 고유벡터(Eigenvectors)를 계산하여 수행됩니다.

이를 통해 데이터의 주요 특징을 포착하는 데 필요한 차원 축소(Dimensionality Reduction)를 달성할 수 있으며, 이는 시각화나 후속 머신러닝 모델의 효율성 향상에 유용합니다. PCA는 선형 변환을 사용하여 데이터를 투영합니다.