결과 그래프는 첫 번째 주성분이 거의 분산의 40%를 커버하고 있음을 보여 줍니다.
또 처음 두 개의 주성분이 데이터셋에 있는 분산의 대략 60%를 설명합니다.
▲ 그림 5-2 주성분으로 찾은 총 분산의 비율
설명된 분산 그래프가 4장에서 랜덤 포레스트로 계산한 특성 중요도를 떠올리게 하지만 PCA는 비지도 학습이란 점을 기억하세요. 클래스 레이블에 관한 정보는 사용하지 않았습니다. 랜덤 포레스트는 클래스 소속 정보를 사용하여 노드의 불순도를 계산하는 반면,6 분산은 특성 축을 따라 값들이 퍼진 정도를 측정합니다.