빅데이터분석기사 필기

시험 직전 요약장

판단 기준과 헷갈리는 개념, 대표 예제를 짧게 확인하세요.

과목단원

다변량 분석과 차원 해석

판단 기준

질문	라벨·변수 역할	대표 방법	핵심 출력
상관된 수치형 변수를 적은 축으로 압축할 것인가?	목표 라벨 불필요	PCA	직교 성분, 점수, 설명분산
문항·지표 뒤의 잠재구조를 설명할 것인가?	관측변수와 잠재요인	탐색적/확인적 요인분석	요인적재량, 공통성, 모형 적합도
알려진 집단을 분류할 것인가?	범주형 집단 라벨 사용	LDA·QDA	판별함수, 사후확률, 예측 클래스
집단별 여러 연속형 결과의 평균이 다른가?	집단요인+여러 결과변수	MANOVA	다변량 검정통계량, p-value, 후속비교

PCA를 한 뒤 분류기를 붙일 수는 있지만 PCA 자체가 지도 분류법으로 바뀌는 것은 아니다. 목표 예측에 중요한 저분산 방향을 PCA가 버릴 수도 있으므로 최종 목적에 맞게 전체 파이프라인을 검증한다.

이 부분의 원문 →

헷갈리는 개념

상황	권장 검토	이유
변수의 단위와 분산이 의미 있고 서로 비슷함	공분산행렬 PCA	원래 분산 크기를 보존
단위가 다르거나 분산 규모가 비교 불가능함	표준화 후 상관행렬 PCA	큰 단위 변수가 성분을 지배하는 문제 완화
극단값이 많음	변환·강건 스케일링·robust PCA 비교	평균·공분산과 주성분 방향이 크게 왜곡될 수 있음
범주형·서열형 원자료	적절한 부호화·거리·범주형 차원축소 검토	표준 PCA의 유클리드 선형구조와 맞지 않을 수 있음

이 부분의 원문 →

대표 계산·예제

공분산행렬이 다음과 같다고 하자.

예시·텍스트좌우로 이동해 전체 내용을 확인하세요. 키보드: ←·→, Home·End
S = [[4, 2],
     [2, 4]]

λ₁=6,  v₁=(1,1)/√2
λ₂=2,  v₂=(1,-1)/√2

성분	방향	고유값	설명분산비	누적비율
PC1	두 변수가 같은 방향	6	`6/8=75%`	75%
PC2	두 변수의 대비 방향	2	`2/8=25%`	100%

중심화된 관측치가 (2,0)이면 PC1 점수와 PC2 점수는 모두 2/√2=√2다. PC1 하나만 남길 때 평균 제곱 재구성 오차는 사용하는 공분산 분모 관례 아래 버린 고유값 2와 연결된다. 일반적으로 K개 성분의 최소 제곱 재구성 손실은 버린 고유값의 합으로 해석한다.

이 부분의 원문 →

이 단원 최대 5문제 →

내 최근 연습 오답

현재 브라우저의 연습 채점 기록에서 공개된 단원과 연결된 오답을 확인합니다.

학습 기록 →

오답 기록을 확인하고 있습니다.