주성분 분석(PCA)의 기하학적 이해 및 차원축소 적용
- 자료 유형
- 실제 탐구보고서
- 합격 정보
- 한양대(서울) 컴퓨터소프트웨어학부
- 활동 유형
- 세부능력 및 특기사항
- 교과 과목
- 기하, 수학Ⅱ, 프로그래밍
- 탐구 키워드
- 기타
2026-04-09
로그인 후 이용해주세요
저장소에 저장되었습니다.
로그인 후 이용해주세요
내용 요약
앞선 탐구에서는 정형 데이터의 경우 상관계수에 따라 단순히 데이터를 지우는 방식으로 데이터 차원을 축소했지만, 여러 차원 데이터를 고려하여 차원축소를 할 수 있는 수학적 방법이 존재함을 알게되어 탐구해
PCA 탐구를 위해 필요한 공분산 행렬에 대해 알아보고 PCA는 공분산 행렬을 이용한 선형변환 결과 방향이 변하지 않는 고유벡터를 찾는 과정이라는 사실을 탐구함.
이후 간단한 2차원 데이터를 1차원 데이터로 차원축소하는 과정에 PCA를 직접 적용해봄
고차원 데이터의 차원축소는 인공지능 분야에서 매우 중요한 분야임, 이와 관련된 기술을 수학적으로 탐구하고 이해해볼 수 있었음
탐구 보고서 전문
멘토의 다른 탐구 활동
꼭 알아주세요
- 본 자료와 관련된 모든 저작권은 (주)진학사에 있으며, 저작권법 제4장 및 제5장의 규정에 따라 일부 또는 전체를 복제, 배포, 업로드하거나 이를 바탕으로 한 2차 저작물을 제작하는 행위를 금합니다.
- 제공되는 탐구 보고서는 학생부종합전형으로 합격한 선배들의 실제 탐구 자료입니다. 이미 대학 입학사정관의 평가를 받은 자료이기에,이를 그대로 따라하기보다는 참고 자료로 활용하여 여러분만의 독창적인 탐구 보고서를 작성해 주시기 바랍니다. 선배들의 탐구 과정과 방법론을 참고하되, 여러분의 관심사와 관점을 반영한 차별화된 탐구를 진행하시길 권합니다.
- 하나의 아이디는 구매자 본인 이용을 기준으로 제공됩니다. 본인이 사용하는 PC/모바일에서는 이용 가능하나, 여러 명이 하나의 아이디를 공유해 이용할 수 없습니다. 부정 사용 방지를 위해 접속 IP 등 이용 로그가 기록될 수 있으며, 비정상 이용이 확인될 경우 서비스 이용이 제한될 수 있습니다.