3.8 KiB
3.8 KiB
id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack
| id | title | category | status | canonical_id | aliases | duplicate_of | source_trust_level | confidence_score | tags | raw_sources | last_reinforced | github_commit | inferred_by | tech_stack | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| wiki-2026-0508-principle-component-analysis | Principle Component Analysis | 10_Wiki/Topics | needs_review | self |
|
none | A | 0.98 |
|
2026-04-20 | pending | Claude Opus 4.7 (auto-normalize 2026-05-08) |
|
Principle-Component-Analysis
📌 한 줄 통찰 (The Karpathy Summary)
"데이터의 엑스레이: 수백 개의 복잡한 변수 중에서 데이터의 본질적 변동(Variance)을 가장 잘 설명하는 핵심 축(주성분) 몇 개만 추려내어, 정보의 핵심은 살리고 노이즈와 군더더기는 걷어내는 고차원의 시각화 마법."
📖 구조화된 지식 (Synthesized Content)
주성분 분석(PCA)은 고차원의 데이터를 저차원으로 축소하면서 정보 손실을 최소화하는 통계적 기법입니다.
- 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)
- 데이터가 가장 널리 퍼져 있는(분산이 큰) 방향을 첫 번째 주성분(
- 효과:
- Dimension Reduction: 연산량 폭감. (Efficiency와 연결)
- Visualization: 수백 차원의 데이터를 2~3차원으로 그려 한눈에 파악.
- Noise Filtering: 분산이 작은 하위 주성분(잡음) 제거. (Noise와 연결)
⚠️ 모순 및 업데이트 (Contradictions & Updates)
- 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)
🔗 지식 연결 (Graph)
- Linear-Algebra, Noise, Efficiency, Explainable-AI (XAI), Optimization
- Modern Tech/Tools: Eigen-decomposition, SVD (Singular Value Decomposition), Scikit-learn (PCA).
🤖 LLM 활용 힌트 (How to Use This Knowledge)
언제 이 지식을 쓰는가:
- (TODO)
언제 쓰면 안 되는가:
- (TODO)
🧪 검증 상태 (Validation)
- 정보 상태: needs_review
- 출처 신뢰도: A
- 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)
🧬 중복 검사 (Duplicate Check)
- 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
- 처리 방식: UPDATE (자동 정규화)
- 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
🕓 변경 이력 (Changelog)
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|---|---|---|---|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
💻 코드 패턴 (Code Patterns)
패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)
# TODO
🤔 의사결정 기준 (Decision Criteria)
선택 A를 써야 할 때:
- (TODO)
선택 B를 써야 할 때:
- (TODO)
기본값:
(TODO)
❌ 안티패턴 (Anti-Patterns)
- [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)