2nd/10_Wiki/Topics_Business/Factor-Analysis.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
STAT-FACTOR-001	Business	1.0	statistics machine-learning factor-analysis latent-variables dimensionality-reduction	2026-04-26

Factor Analysis (요인 분석)

📌 한 줄 통찰 (The Karpathy Summary)

"수많은 겉모습 속에 숨겨진 공통의 근원을 찾아라" — 관측된 여러 변수들 사이의 상관관계를 분석하여, 배후에 존재하는 소수의 잠재 변수(Latent Variables) 혹은 요인(Factors)을 추출하는 통계적 기법.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 눈에 보이는 데이터(Manifest Variables)의 요동이 사실은 보이지 않는 핵심 동인(Latent Factors)에 의해 결정된다고 가정하고 그 구조를 파악하는 구조적 해석 패턴.
• 주요 목적:
  • Data Reduction: 수많은 변수를 소수의 요인으로 압축하여 효율성 증대.
  • Structure Discovery: 변수들 간의 복잡한 관계 네트워크 파악.
  • Scaling: 추상적인 개념(예: 지능, 성격, 서비스 만족도)을 측정 가능한 지표로 변환.
• 작동 원리: 변수들 간의 공통 분산(Common Variance)을 극대화하는 축을 탐색.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: PCA(주성분 분석)와 혼동하기 쉬우나, PCA는 정보 요약에 집중하고 요인 분석은 데이터가 생성된 '인과적 구조'를 설명하는 데 집중한다는 차이점이 명확해짐.
• 정책 변화: Antigravity 프로젝트는 에이전트의 성능 지표(응답 속도, 정확도, 토큰 사용량 등)를 분석할 때, 이들을 결정짓는 잠재 요인(예: 하드웨어 성능, 모델 복잡도, 네트워크 지연)을 분리하기 위해 요인 분석 기법을 활용함.

🔗 지식 연결 (Graph)

• Principal-Component-Analysis-PCA, Dimensionality-Reduction, Exploratory-Data-Analysis, Unsupervised-Learning-Foundations
• Raw Source: 10_Wiki/Topics/AI/Factor-Analysis.md