꿈라CBT주성분분석을 실제 자료에 적용할 때의 유의점에 대한 설명으로 가장 적절하지 않은 것은?
- 1PCA는 분산을 기준으로 축을 찾으므로 측정 단위의 영향을 크게 받는다. 단위가 서로 다른 변수들이 섞여 있으면 표준화한 뒤 수행하는 것이 일반적이다.
- 2PCA는 목표변수를 고려하지 않는 비지도 기법이므로, 분산 설명력이 큰 주성분이 반드시 예측에 유용하다는 보장은 없다.
- 3PCA는 변수들 사이의 관계를 분산과 공분산으로 요약하므로, 자료가 곡선이나 나선처럼 휘어진 구조를 가질 때에도 그 구조를 그대로 포착하여 축으로 표현할 수 있다.
- 4PCA는 분산을 최대화하는 방향을 찾으므로 소수의 극단적인 이상치가 주성분의 방향을 크게 끌어당길 수 있어, 분석 전에 이상치를 확인할 필요가 있다.