주성분 분석

뜻풀이

쉬운 AI 사전

1. [명사] (통계/수학) 데이터가 가장 넓게 퍼져 있는 방향을 찾아 그 방향으로 데이터를 다시 나타내는 방법. 열 개수를 줄이는 데 쓴다.

실무 AI 사전

1. [명사] (통계/수학) 상관이 높은 열들을 적은 수의 새 축(주성분)으로 압축한다. 분산을 얼마나 보존하는지 보고 몇 개를 남길지 정한다. 분석 전에 열들을 같은 척도로 맞춰야 한다.

전문 AI 사전

1. [명사] (통계/수학) 공분산 행렬의 고유벡터 방향으로 직교 변환해 분산이 큰 순서대로 축을 정렬하는 선형 차원 축소. 특잇값 분해(SVD)로 계산하며 보존 분산 비율로 성분 수를 정한다.

관용구/함께 쓰는 말

• 설명 분산 비율 — 각 주성분이 전체 변동 중 얼마를 설명하는지 나타내는 비율.
• 고유벡터 — 변환해도 방향이 변하지 않는 벡터.

쉬운 비유

여러 방향에서 찍은 사진 중 사람이 가장 길게 나오는 각도를 골라 한 장으로 요약하는 것과 같다.

예문

• 주성분 두 개로 분산의 85퍼센트가 설명돼서 2차원 산점도로 줄였다.
• PCA를 하기 전에 표준화를 안 했더니 단위가 큰 열이 첫 주성분을 독차지했다.
• 주성분은 원래 열의 혼합이라 의미를 해석하기 어려운 편이다.

헷갈리는 용어 비교

t-SNE

PCA는 전체 분산을 기준으로 직선적으로 줄이는 방법이고 t-SNE는 가까운 이웃 관계를 비선형으로 보존해 시각화에 쓴다. PCA는 재현이 쉽고 해석할 수 있고, t-SNE는 군집이 잘 보이지만 거리 해석이 어렵다.

맞춤법/표기법

바른 표기

주성분 분석

원어

principal component analysis

다른 이름

PCA, 피씨에이, 주성분분석, 주성분 추출

참고

영문 약어 PCA를 그대로 쓰는 경우가 많다.

관련어

마지막 확인 2026-10-15
뜻풀이는 학습용 참고 자료입니다.