• Communications for Statistical Applications and Methods
• /
• 제10권3호
• /
• pp.1057-1068
• /
• 2003

Results of using principal component analysis prior to cluster analysis are compared with results from applying agglomerative clustering algorithm alone. The retrieval ability of the agglomerative clustering algorithm is improved by using principal components prior to cluster analysis in some situations. On the other hand, the loss in retrieval ability for the agglomerative clustering algorithms decreases, as the number of informative variables increases, where the informative variables are the variables that have distinct information(or, necessary information) compared to other variables.

• Communications for Statistical Applications and Methods
• /
• 제20권3호
• /
• pp.175-184
• /
• 2013

Kernel principal component analysis(PCA) maps observations in nonlinear feature space to a reduced dimensional plane of principal components. We do not need to specify the feature space explicitly because the procedure uses the kernel trick. In this paper, we propose a graphical scheme to represent variables in the kernel principal component analysis. In addition, we propose an index for individual variables to measure the importance in the principal component plane.

• 한국농공학회논문집
• /
• 제55권1호
• /
• pp.31-38
• /
• 2013

The purpose of this study was to evaluate climate change vulnerability over the agricultural infrastructure in terms of flood and drought using principal component analysis. Vulnerability was assessed using vulnerability resilience index (VRI) which combines climate exposure, sensitivity, and adaptive capacity. Ten flood proxy variables and six drought proxy variables for the vulnerability assessment were selected by opinions of researchers and experts. The statistical data on 16 proxy variables for the local governments (Si, Do) were collected. To identify major variables and to explain the trend in whole data set, principal component analysis (PCA) was conducted. The result of PCA showed that the first 3 principal components explained approximately 83 % and 89 % of the total variance for the flood and drought, respectively. VRI assessment for the local governments based on the PCA results indicated that provinces where having the relatively large cultivation areas were categorized as vulnerable to climate change.

• 응용통계연구
• /
• 제30권1호
• /
• pp.135-145
• /
• 2017

주성분 분석(principal component analysis; PCA)은 서로 상관되어 있는 다변량 자료의 차원을 축소하는 대표적인 기법으로 많은 다변량 분석에서 활용되고 있다. 하지만 주성분은 모든 변수들의 선형결합으로 이루어지므로, 그 결과의 해석이 어렵다는 한계가 있다. sparse PCA(SPCA) 방법은 elastic net 형태의 벌점함수를 이용하여 보다 성긴(sparse) 적재를 가진 수정된 주성분을 만들어주지만, 변수들의 그룹구조를 이용하지 못한다는 한계가 있다. 이에 본 연구에서는 기존 SPCA를 개선하여, 자료가 그룹화되어 있는 경우에 유의한 그룹을 선택함과 동시에 그룹 내 불필요한 변수를 제거할 수 있는 새로운 주성분 분석 방법을 제시하고자 한다. 그룹과 그룹 내 변수 구조를 모형 적합에 이용하기 위하여, sparse 주성분 분석에서의 elastic net 벌점함수 대신에 계층적 벌점함수 형태를 고려하였다. 또한 실제 자료의 분석을 통해 제안 방법의 성능 및 유용성을 입증하였다.

• 응용통계연구
• /
• 제8권1호
• /
• pp.51-60
• /
• 1995

크기가 $n \times p$인 자료행렬에서 p개의 변수들과 성격이 다소 다른 $p_s$개의 변수를 같이 고려한 크기가 $n \times (p + p_s)$ 자료행렬이 있다 하자. 전통적 주성성분분석은 성격이 다른 변수들로 인하여 효과적인 결과를 제공하지 못한다. 본 논문에서는 이런 점을 개선하기 위해서 성격이 다른 $p_s$개의 변수를 추가변수로 두는 추가적 주성분분석을 소개하려 한다. 이 기법은 전통적 주성분분석의 대수적,기하적인 면을 따른다. 그리고 전통적 주성분분석과 추가적 주성성분분석을 활용한 한국 프로야구의 8개팀과 1982-1992년 동안의 14개의 부문별 기록에 대한 전형적인 자료분석의 한 예를 제시한다. 더불어 두 분석의 결과도 비교하였다.

• 응용통계연구
• /
• 제30권4호
• /
• pp.555-566
• /
• 2017

다변량 자료에서 변수 수 p가 큰 경우 주성분분석 등 통상적인 차원축소는 효과적이지 못할 수 있다. 효과적인 시각화가 되려면 축소공간의 차원이 2-3 정도이어야 하는데, 관측개체의 잠재적 차원이 이보다 훨씬 큰 경우가 있기 때문이다. 이 논문은 분석변수들을 다수의 잠재 차원에 분할하여 차원축소적 방법으로 탐색하고 부분들의 유기적 관계를 시각화하는 이단계 작업을 제안한다. 분석변수들을 잠재 차원에 분할하는 "잠재변인 변수군집화" 방법으로는 R팩키지 ClustOfVar를 쓰고 개별 변수군집의 시각화를 위해서 주성분분석 행렬도(biplot)를, 개별 변수군집과 외부 잠재변인 또는 외적 변수 간 관계의 시각화를 위해서는 추가변수 끼워넣기(embedding supplementary variables) 기법을 활용한다.

• 한국지역사회생활과학회지
• /
• 제20권3호
• /
• pp.437-448
• /
• 2009

The purpose of this study was to examine the effect of individual and interpersonal variables on early childhood teachers' efficacy of problem behavior guidance. Individual variables consisted of teachers' socio-demographic characteristics, experience of training course on problem behavior guidance and warm-hearted attitude. Interpersonal variables consisted of intimacy with colleagues, support from the principal of a kindergarten, parental partnerships. Subjects were 122 early childhood teachers in Busan. Major findings were as follows. There were significant differences in teachers' efficacy of problem behavior guidance with respect to teachers' age, teaching experience, position, marriage status, experience of training course on problem behavior guidance, warm-hearted attitude, intimacy with colleagues, and support from the principal of a kindergarten. In other words, a higher level of teachers' efficacy of problem behavior guidance was shown in the teachers who were older, highly experienced, or in higher positions. In addition, teachers who were married, had completed a training course on problem behavior guidance, had a higher warm-hearted attitude, had a intimacy with colleagues, or had a support from the principal of a kindergarten were found to have higher efficacy of problem behavior guidance. As results of examining relative effects of individual and interpersonal variables on efficacy of problem behavior guidance, the influential variables are teaching experience, warm-hearted attitude, support from the principal of a kindergarten, and position in that order.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권3호
• /
• pp.79-84
• /
• 2021

고차원의 데이터를 처리하기 위해서는 데이터의 성질을 유지하면서 특징을 잘 반영할 수 있는 특징 추출 방법이 필요하다. 주성분분석 방법은 고차원 데이터에 포함된 정보를 저차원의 데이터로 변환하여 원래 데이터의 변수 수보다 적은 수의 변수로 고차원 데이터를 표현 할 수 있는 방법으로서 데이터의 특징 추출을 위한 대표적인 방법이다. 본 연구에서는 데이터가 고차원인 경우 데이터 특징 추출을 위한 주성분 분석에 있어서 주성분 변수 선정 시 적응적 상관도를 기반으로 한 주성분 분석 방법을 제안한다. 제안하는 방법은 입력 데이터간의 상관 관계를 기반으로 상관도를 적응적으로 반영하여 데이터의 주성분을 분석함으로써 다른 여러 변수에 중복적으로 상관도가 높은 변수와 주성분을 유도하는데 연관성이 적은 변수를 주성분 변수 후보 대상에서 제외시키고자 한다. 고유벡터 계수 값에 의한 주성분 위계를 분석하고 위계가 낮은 주성분이 변수로 선정이 되는 것을 막고 또한 상관 분석을 통하여 데이터의 중복 발생이 데이터 편향을 유도하는 것을 최소화하 하고자 한다. 이를 통하여 주성분 변수 선정 시 데이터 편향성의 영향을 줄임으로써 실제 데이터의 특징을 잘 나타내는 주성분 변수를 선정하는 방법을 제안하고자 한다.

• 응용통계연구
• /
• 제28권3호
• /
• pp.385-392
• /
• 2015

주성분분석은 차원축소를 위한 대표적 기법이다. 주성분분석에서 변수들이 측정단위가 다르거나 분산의 불균형이 심할 경우 흔히 변수를 표준화한 다음 분석할 것이 권장된다. 표준화 변환은 표준편차를 나누어주는 변환인데, 측정단위에 무관하게 만들기 위해서라면 평균을 나누어주는 변환도 고려해볼 수 있다. 표준화 변환을 한 다음 주성분분석하는 것은 상관행렬로 주성분분석하는 것과 같은데, 평균을 나누어주는 변환을 한 후 주성분분석하는 것은 변동계수와 관련된 행렬로 주성분분석하는 것과 같음을 보이고, 그렇게 변환을 한 다음 주성분분석을 실시하는 것이 왜 필요한가를 설명하였다.

• 한국식물병리학회지
• /
• 제13권1호
• /
• pp.37-45
• /
• 1997

Disease incidence (DI), pre-emergence damping-off (PDO), days until the first symptom appeared (DUS), disease progress curve (DPC), and area under disease progress curve (AUDPC) were investigated in vivo after sowing ginseng seeds in each of 37 ginseng-cultivated soils which were sampled from 4 regions in Korea. Non linear fitting parameters, A, B, K and M, were estimated from the Richards' function, one of the disease progress models, by using the DI at each day from the bioassay. Inter- and intra-relationships between disease variables and stand-missing rate (SMR) in fields were investigated by using the simple correlation analysis. Disease variables of the root rot were divided into two groups: variables related to disease incidence, e.g., DI, AUDPC and A parameter, and variables related to disease progress, e.g., B, K and M parameters. DI, AUDPC, and DUS had significant correlations with SMR in ginseng fields, and then it showed that the disease development in vivo corresponded with that in fields. Soil samples could be separated into 3 and 4 groups, respectively, on the basis of the principal component 1 (PC1) and the principal component 2 (PC2), which were derived from the principal component analysis (PCA) of Richards' parameters, A, B, K and M. PC1 accounted for B, K and M parameters, and PC2 accounted for A parameter.