PCA란?
데이터의 주성분(분산이 가장 큰 방향)을 찾아 그 축으로 사영해 차원을 줄인다.
활용
- 시각화 (2D/3D로 축소)
- 노이즈 제거
- 모델 입력 차원 축소
비선형 대안
t-SNE, UMAP.
PCA란?Principal Component Analysis
정의
분산을 최대한 보존하며 차원을 축소하는 선형 기법. 시각화·전처리에 널리 사용.
다른 표현주성분 분석
🔗 함께 보면 좋은 용어
AI 전체 →멀티 에이전트 오케스트레이션
Supervisor·Hierarchy·Network 패턴으로 여러 에이전트 조율.
청킹 전략 상세
고정·문장·계층·의미론적·Agentic 청킹. RAG 품질의 결정.
추론 지연 최적화
TTFT·TPS·Batching·KV Cache·Speculative·Quantization 조합.
A2A
Agent-to-Agent Protocol
에이전트 간 통신 표준. Google이 제안. MCP와 상호 보완.
Accuracy
전체 예측 중 맞춘 비율. 클래스 불균형 시 오해를 유발할 수 있음.
Activation Function
신경망 뉴런의 비선형 변환. ReLU·GELU·Sigmoid·Tanh.