# PCA를 실행하고 그림까지 제대로 그리기

> 측정값 표를 업로드하세요. Yila가 변수를 표준화하고 주성분분석을 실행한 뒤 스코어 플롯, 스크리 플롯, 읽기 쉬운 바이플롯을 그리고, 적재량과 스크립트도 함께 제공합니다.

URL: https://yila.ai/ko/playbooks/pca-plot

## 받게 되는 결과물

- **스코어 플롯** (PNG + SVG): PC1과 PC2를 축으로 하고 각 축에 설명된 분산을 적으며, 점은 그룹별로 색을 달리하고 95% 신뢰타원을 그립니다.
- **스크리 플롯** (PNG + SVG): 주성분별 개별 설명 분산과 누적 설명 분산을 보여 주므로, 주성분을 몇 개 남길지 근거를 댈 수 있습니다.
- **바이플롯과 적재량** (그림 + CSV): 기여도가 가장 큰 변수를 화살표로 나타내고, 모든 주성분의 전체 적재량 표를 함께 제공합니다.
- **스크립트** (Python 스크립트): 전처리 과정까지 모두 적어 둔 Python(요청하면 R) 전체 분석 스크립트입니다.

## 진행 방식

1. **표를 업로드하고 그룹을 알려 줍니다**: 측정값이 담긴 CSV 또는 Excel 파일을 Yila에게 주고, 어느 열을 기준으로 색을 구분할지 알려 주세요. 그룹은 색 구분에만 쓰이며 PCA 계산에는 들어가지 않습니다.
2. **Yila가 변수와 척도를 점검합니다**: PCA를 실행하기 전에 단위와 범위를 살피고, 척도가 서로 다른 변수를 표준화하고, 결측값을 보고합니다.
3. **그림 세 장과 적재량을 받습니다**: 스코어 플롯, 스크리 플롯, 바이플롯을 렌더링해 확인한 뒤 적재량, 스크립트와 함께 저장합니다. PC1과 PC3 조합, 점 레이블, 3D 보기가 필요하면 같은 대화에서 요청하세요.

## 활용 상황

- **오믹스와 대사체학**: 차등 분석에 앞서, 샘플이 처리 조건에 따라 묶이는지 배치에 따라 묶이는지 확인합니다.
- **화학과 식품과학**: 여러 측정 특성을 한꺼번에 놓고 샘플이 어떻게 나뉘는지, 어떤 특성이 그 차이를 이끄는지 보여 줍니다.
- **설문과 척도 데이터**: 서로 상관된 많은 문항을 소수의 주성분으로 줄이고, 어떤 문항들이 함께 적재되는지 확인합니다.

## 자주 묻는 질문

### PCA 플롯은 무엇을 보여 주나요?

주성분분석은 서로 상관된 많은 변수를, 설명하는 분산이 큰 순서로 정렬된, 서로 상관되지 않은 소수의 주성분으로 바꿉니다. 스코어 플롯은 각 샘플을 처음 두 주성분 위에 놓으므로, 전반적으로 비슷한 샘플끼리 가까이 모입니다.

### 변수를 표준화해야 하나요?

단위나 범위가 서로 다르다면 표준화해야 합니다. 표준화하지 않으면 값이 가장 큰 변수가 결과를 좌우합니다. 예시에서는 프롤린이 수백 단위이고 색조는 1 안팎이어서 13개 변수를 모두 표준화했습니다. 모든 변수가 같은 척도라면 Yila가 표준화하지 않을 수도 있으며, 그 이유를 알려 드립니다.

### 주성분은 몇 개를 남겨야 하나요?

스크리 플롯과 누적 분산이 판단에 도움이 됩니다. 흔히 쓰는 기준은 곡선이 꺾이는 지점(엘보), 누적 분산 80% 같은 목표치, 고유값이 1보다 큰 주성분입니다. Yila는 이 기준들을 보고하고, 선택은 사용자에게 맡깁니다.

### 신뢰타원은 무엇을 뜻하나요?

각 타원은 이변량 정규분포를 가정할 때 그 그룹 점수의 95%가 들어갈 것으로 예상되는 영역입니다. 그룹이 나뉘는 모습을 보여 주는 데 도움이 되지만, 통계 검정은 아닙니다.

### PCA로 그룹 간 차이를 검정할 수 있나요?

아니요. PCA는 데이터를 기술하는 방법이지 검정 방법이 아닙니다. 그룹이 나뉘어 보여 검정이 필요하다면 PERMANOVA나 판별분석을 요청하세요. Yila가 추가합니다.

### R과 Python 중 무엇을 쓰나요?

둘 다 가능합니다. 예시는 Python의 scikit-learn을 썼고, R에서는 prcomp와 함께 ggplot2 또는 factoextra를 사용합니다.

### 예시 데이터는 어디에서 왔나요?

UCI Machine Learning Repository에 CC BY 4.0 라이선스로 공개된 Wine 데이터셋(Aeberhard와 Forina)입니다. Yila는 사용자의 데이터를 예시로 사용하지 않습니다.

---

- [PCA를 실행하고 그림까지 제대로 그리기](https://yila.ai/ko/playbooks/pca-plot)
- [llms.txt](https://yila.ai/ko/llms.txt)
