주요 성분 분석 (PCA)이란 무엇입니까? -techopedia에서 정의

정의-PCA (Principal Component Analysis) 란 무엇입니까?

주성분 분석 (PCA)은 더 큰 데이터 세트에서 주성분으로 알려진 소수의 상관되지 않은 변수를 식별하는 데 사용되는 기술입니다. 이 기술은 데이터 세트에서 변형을 강조하고 강한 패턴을 캡처하는 데 널리 사용됩니다. 1901 년 Karl Pearson이 발명 한 주요 구성 요소 분석은 예측 모델 및 탐색 데이터 분석에 사용되는 도구입니다. 주요 성분 분석은 유용한 통계적 방법으로 간주되며 이미지 압축, 얼굴 인식, 신경 과학 및 컴퓨터 그래픽과 같은 분야에서 사용됩니다.

Techopedia는 PCA (Principal Component Analysis)를 설명합니다.

주요 구성 요소 분석을 통해 데이터를보다 쉽게 ​​탐색하고 시각화 할 수 있습니다. 복잡하고 혼란스러운 데이터 세트에서 정보를 추출하는 간단한 비모수 적 기술입니다. 주성분 분석은 주성분 수가 가장 적은 최대 분산 량에 중점을 둡니다. 주요 성분 분석과 관련된 뚜렷한 장점 중 하나는 관련 데이터에서 패턴이 발견되면 데이터 압축도 지원된다는 것입니다. 변수의 수를 제거하거나 관측치에 비해 예측 변수가 너무 많거나 다중 공선 성을 피하기 위해 주성분 분석을 사용합니다. 정식 상관 분석과 밀접한 관련이 있으며 상관 변수를 포함하는 관측 값 세트를 주성분으로 알려진 값 세트로 변환하기 위해 직교 변환을 사용합니다. 주성분 분석에 사용되는 주성분의 수는 적은 수의 관측치보다 작거나 같습니다. 주성분 분석은 원래 사용 된 변수의 상대적 척도에 민감합니다.

주요 성분 분석은 시장 조사, 사회 과학 및 대규모 데이터 세트가 사용되는 산업과 같은 많은 분야에서 널리 사용됩니다. 이 기술은 또한 원본 데이터의 저 차원 그림을 제공하는 데 도움이 될 수 있습니다. 주성분 분석의 경우 복잡하고 혼란스러운 데이터 세트를 단순화 된 유용한 정보 세트로 줄이기 위해 최소한의 노력 만 필요합니다.