[G1-Sync] Manual knowledge update

10_Wiki/Topics/Principle-Component-Analysis.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-PPCA-001
+id: [[P-Reinforce]]-AUTO-PPCA-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
-tags: [auto-reinforced, pca, dimension-reduction, data-analysis, machine-learning, statistics]
+tags: [auto-reinforced, pca, dimension-reduction, data-[[Analysis]], machine-learning, [[Statistics]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -16,15 +16,15 @@ last_reinforced: 2026-04-20
 
 1.  **작동 원칙**:
     *   데이터가 가장 널리 퍼져 있는(분산이 큰) 방향을 첫 번째 주성분($PC_1$)으로 설정.
-    *   그 방향과 수직이면서 그다음 분산이 큰 곳을 $PC_2$로 설정. (Linear-Algebra와 연결)
+    *   그 방향과 수직이면서 그다음 분산이 큰 곳을 $PC_2$로 설정. ([[Linear-Algebra]]와 연결)
 2.  **효과**:
-    *   **Dimension Reduction**: 연산량 폭감. (Efficiency와 연결)
+    *   **Dimension Reduction**: 연산량 폭감. ([[Efficiency]]와 연결)
     *   **Visualization**: 수백 차원의 데이터를 2~3차원으로 그려 한눈에 파악.
-    *   **Noise Filtering**: 분산이 작은 하위 주성분(잡음) 제거. (Noise와 연결)
+    *   **[[Noise]] Filtering**: 분산이 작은 하위 주성분(잡음) 제거. (Noise와 연결)
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌**: 과거에는 선형적인 관계만 분석하는 정책(Linear PCA)이었으나, 현대 정책은 복잡하게 얽힌 데이터의 곡면까지 파악하는 '커널 PCA 정책'이나 '오토인코더(Autoencoder) 정책'으로 그 개념이 확장됨(RL Update).
-- **정책 변화(RL Update)**: 단순히 데이터를 줄이는 정책을 넘어, LLM 내부의 거대한 임베딩 공간 정책이 어떤 구조를 가지고 있는지 분석하여 AI의 '사고 체계'를 엿보는 해석 도구 정책으로도 널리 활용 중임. (Explainable-AI (XAI)와 연결)
+- **정책 변화(RL Update)**: 단순히 데이터를 줄이는 정책을 넘어, LLM 내부의 거대한 임베딩 공간 정책이 어떤 구조를 가지고 있는지 분석하여 AI의 '사고 체계'를 엿보는 해석 도구 정책으로도 널리 활용 중임. ([[Explainable-AI (XAI)]]와 연결)
 
 ## 🔗 지식 연결 (Graph)
 - [[Linear-Algebra]], [[Noise]], [[Efficiency]], [[Explainable-AI (XAI)]], [[Optimization]]