PAC   Principal Component Analysis   주성분 분석

(2019-10-15)
1. 주성분 분석 (Principal Component Analysis)

  ㅇ 많은 수의 변량을 적은 수의 변량으로 축약시켜 분석하는 방법
     - 다 변량 자료에서, 분포된 여러 데이터들의 주 성분을 찾는 방법
     - 데이터의 개성이 돋보이게 하여 새로운 시각으로 관찰이 가능함 

  ㅇ 주성분 (Principal Component) 이란?
     - 주성분 방향은, 데이터들의 분산(흩어진 정도)이 가장 큰 방향 벡터를 의미
        . 2차원 데이터들인 경우 => 2개의 방향 벡터
        . 3차원 데이터들인 경우 => 3개의 방향 벡터
     - 주성분의 분산 크기는, 정보가 많은 정도를 나타냄
        . 주성분의 분산이 큰 것부터, 제1,제2,제3,... 주성분이라고 함
     - 주성분의 계수 구하기는, 최적화 문제(분산 최대화)의 해를 구하는 것


2. 주성분 분석 특징/목적변수의 수를 줄이려는 데이터 축소(data reduction) 기법의 일종
     - 관측 가능한 변량들로부터, 관측 가능하지 않은 (미지의) 공통 요인들을 추출함으로써,
       데이터의 복잡성을 줄이려는 방법

  ㅇ 데이터 구조의 변환
     - 데이터들 간에 높은 상관관계가 있을때, 이러한 상관관계를 제거하여, 분석의 용이성 증대

  ㅇ 데이터 내 잠재적 특성 파악

  ㅇ 데이터들 간의 관계를 공간적/시각적으로 표현

  ㅇ 독립변수종속변수 간의 구분이 없이, 단지 변수들 간의 상호의존성을 찾으려고 함


3. 주성분 분석 방법의 핵심변량들 간에 어떤 관련성이 존재하리라는 것을 알고, 이러한 관련성이,
     - 모든 변량들이 지닌 어떤 미지의 공통 요인(성분)들을 공유한 결과라고 봄

  ㅇ 따라서, 다 변량들의 선형결합으로 표현되는 몇개의 주성분들을 도출시켜 보는 것
     - 이때, 새롭게 만들어지는 주성분/변량/변인(Variate)은 그 분산이 크도록 함


[통계적 분석] 1. 통계적 분석 2. 수요예측 3. 주성분 분석
[상관분석] [분산분석] [회귀분석] [실험계획]
  1.   기술공통
  2.   기초과학
        1. 과학
    1.   수학
          1. 수학
      1.   기초수학
      2.   집합,논리
      3.   해석학(미적분 등)
      4.   대수학
      5.   확률/통계
        1.   확률 이란?
        2.   확률 정리/법칙
        3.   확률 공간
        4.   확률 모형,분포
        5.   확률 변수
        6.   확률 과정
        7.   통계량
        8.   통계학
              1. 통계학
          1.   모집단,표본
          2.   통계적 기술(記述)
          3.   통계적 추론
          4.   통계적 분석
                1. 통계적 분석
                2. 수요예측
                3. 주성분 분석
            1.   상관분석
            2.   분산분석
            3.   회귀분석
            4.   실험계획
          5.   비모수 통계
          6.   베이즈 통계학
      6.   수치해법
    2.   물리
    3.   화학
    4.   지구,천체 과학
    5.   생명과학
    6.   뇌과학
  3.   진동/파동
  4.   방송/멀티미디어/정보이론
  5.   전기전자공학
  6.   통신/네트워킹
  7.   정보기술(IT)
  8.   공학일반(기계,재료등)
  9.   표준/계측/품질
  10.   기술경영

 
        최근수정     요약목록     참고문헌