한국방송통신대학교 통계데이터과학과 다변량분석 2022년 출석과제(만점)

문서 내 토픽

1. 주성분 분석

데이터의 요약 통계량을 확인하고 Boxplot으로 데이터의 분포를 확인하였다. 상관계수행렬과 산점도 행렬을 보고 변수들 간의 상관관계를 분석하였다. 주성분 분석을 실시하여 제 1주성분과 제 2주성분이 전체 정보의 86.4%를 설명하는 것을 확인하였다. 주성분 계수를 통해 각 변수들의 주성분에 대한 기여도를 파악하였다.
2. 인자분석

Bartlett의 구형성 검정과 KMO 검정을 통해 인자분석의 적합성을 확인하였다. 주성분 인자법을 이용한 인자분석 결과, 2개의 유의한 인자가 도출되었다. 직교회전 방식인 varimax와 사교회전 방식인 promax를 사용하여 인자를 회전하고, 각 변수들의 인자 부하량과 공통성, 설명된 분산 비율을 확인하였다. 인자 모형을 통해 각 변수와 인자 간의 관계를 파악하였다.
3. 계층적 군집분석

데이터를 표준화한 후 최장연결법을 사용하여 계층적 군집분석을 실시하였다. 덴드로그램을 통해 군집의 수가 3개가 적절하다고 판단하였다. 각 군집의 특성을 파악하기 위해 군집별 중심점을 계산하였다.
4. K-평균 군집분석

K-평균 군집분석을 수행하여 4개의 군집을 도출하였다. 각 군집의 중심값을 확인하고 군집별 특성을 분석하였다. 군집 결과를 시각화하여 군집 간 차이를 확인하였다.
5. 판별분석

선형판별분석을 실시하여 판별함수를 도출하고, 이를 활용하여 각 관측치를 분류하였다. 분류표와 오분류율을 계산하여 판별분석 모형의 정확도를 평가하였다. 또한 변수 선택 기법을 사용하여 판별력이 높은 변수를 선별하였다.

Easy AI와 토픽 톺아보기

1. 주성분 분석

주성분 분석은 다변량 데이터에서 주요 변수들을 추출하고 데이터의 차원을 축소하는 기법입니다. 이를 통해 데이터의 핵심적인 특징을 파악할 수 있으며, 복잡한 데이터를 보다 쉽게 이해할 수 있습니다. 주성분 분석은 데이터 시각화, 차원 축소, 변수 선택 등 다양한 분야에서 활용되며, 특히 기계 학습 및 딥 러닝 모델의 입력 데이터 전처리 과정에서 중요한 역할을 합니다. 주성분 분석은 데이터의 구조와 특성을 이해하는 데 도움을 주며, 복잡한 문제를 보다 단순화하여 해결할 수 있게 합니다.
2. 인자분석

인자분석은 다변량 데이터에서 잠재적인 요인(factor)을 찾아내는 기법입니다. 이를 통해 관측된 변수들 간의 상관관계를 설명할 수 있는 숨겨진 요인을 발견할 수 있습니다. 인자분석은 심리학, 사회학, 경영학 등 다양한 분야에서 활용되며, 특히 설문조사 데이터 분석에 유용합니다. 인자분석은 데이터의 차원을 축소하고 변수들 간의 관계를 파악할 수 있게 해줌으로써 복잡한 데이터를 보다 쉽게 이해할 수 있게 합니다. 또한 인자분석은 기계 학습 모델의 입력 변수 선택에도 활용될 수 있습니다.
3. 계층적 군집분석

계층적 군집분석은 데이터 객체들을 유사성에 따라 계층적으로 그룹화하는 기법입니다. 이 방법은 데이터의 구조와 특성을 파악하는 데 유용하며, 특히 데이터의 사전 정보가 없는 경우에 효과적입니다. 계층적 군집분석은 다양한 응용 분야에서 활용되며, 고객 세분화, 시장 세분화, 이상치 탐지 등에 활용될 수 있습니다. 또한 계층적 군집분석은 군집의 수를 사전에 정하지 않아도 되며, 군집의 구조를 시각적으로 확인할 수 있다는 장점이 있습니다. 이를 통해 데이터의 내재적인 구조를 이해하고 의미 있는 통찰을 얻을 수 있습니다.
4. K-평균 군집분석

K-평균 군집분석은 데이터 객체들을 K개의 군집으로 분할하는 기법입니다. 이 방법은 데이터의 유사성을 기반으로 군집을 형성하며, 군집의 수를 사전에 지정해야 한다는 점이 특징입니다. K-평균 군집분석은 계산 복잡도가 낮고 구현이 쉬워 널리 사용되는 기법입니다. 이 방법은 고객 세분화, 시장 분석, 이상치 탐지 등 다양한 분야에서 활용될 수 있습니다. 또한 K-평균 군집분석은 데이터의 특성을 파악하고 의미 있는 군집을 발견하는 데 도움을 줄 수 있습니다. 다만 군집의 수를 사전에 지정해야 한다는 점이 한계로 지적될 수 있습니다.
5. 판별분석

판별분석은 데이터 객체를 사전에 정의된 집단으로 분류하는 기법입니다. 이 방법은 독립변수와 종속변수 간의 관계를 분석하여 새로운 데이터 객체를 가장 적합한 집단으로 분류할 수 있게 해줍니다. 판별분석은 신용 평가, 의료 진단, 마케팅 세분화 등 다양한 분야에서 활용될 수 있습니다. 이 방법은 데이터의 특성을 파악하고 의사결정을 지원하는 데 유용합니다. 또한 판별분석은 기계 학습 모델의 입력 변수 선택에도 활용될 수 있습니다. 다만 판별분석은 집단 간 차이가 명확할 때 효과적이며, 집단 간 중복이 있는 경우에는 성능이 저하될 수 있습니다.