PCA란 무엇인가 | 공분산 행렬과 고유벡터로 이해하는 차원 축소

PCA(Principal Component Analysis)는 데이터를 더 적은 차원으로 압축하면서도, 원래 데이터의 중요한 정보를 최대한 유지하려는 차원 축소 기법이다. 핵심은 단순히 컬럼 개수를 줄이는 것이 아니라, 데이터가 가장 많이 퍼져 있는 방향을 새로운 축으로 다시 표현하는 것이다.PCA를 왜 사용하는가머신러닝에서는 feature 수가 많아질수록 문제가 생길 수 있다.계산량 증가feature 간 중복 정보 증가시각화 어려움overfitting 가능성 증가예를 들어 키와 몸무게처럼 거의 비슷하게 움직이는 feature 두 개가 있다면, 두 feature를 모두 사용하는 대신 “사람의 체격” 같은 하나의 축으로 줄여서 표현할 수도 있다.PCA는 이런 식으로:원래 feature 공간→ 정보 손실을 ..

• format_list_bulleted AI & Machine Learning/ML 수학
• · 2026. 6. 2.

EDA란 무엇인가 | 데이터 분석에서 왜 먼저 해야 하는가

데이터 분석에서 모델보다 먼저 해야 하는 일이 있다.바로 EDA(Exploratory Data Analysis, 탐색적 데이터 분석) 다.많은 입문자가 데이터 분석을 시작하면 바로 머신러닝 모델부터 떠올리는데, 실제로는 그 전에 데이터가 어떻게 생겼는지, 무슨 패턴이 있는지, 무엇을 더 확인해야 하는지를 먼저 보는 과정이 필요하다.EDA는 바로 그 역할을 한다.즉, EDA는 모델링 이전의 부가 작업이 아니라, 분석 방향을 결정하는 첫 단계에 가깝다. EDA는 현상 파악 단계이고, 이후 머신러닝에서는 feature 설계와 연결되며, 딥러닝은 상대적으로 모델 구조와 튜닝 비중이 더 크다는 점도 함께 구분할 필요가 있다.EDA를 한 줄로 정리하면EDA는 데이터를 바로 모델에 넣기 전에, 데이터의 분포·결측치·..

• format_list_bulleted Data Analytics/Python·Pandas
• · 2026. 4. 29.