차원 축소 기술인 PCA는 선형 분리 가능한 데이터셋에서 효과적이지만, 비선형 패턴이 나타나면 한계가 발생한다. 특히 두 개의 달 모양 데이터셋과 같은 경우, PCA는 데이터의 구조를 납작하게 만들어 클래스를 혼합시킨다. 이러한 한계를 극복하기 위해 커널 PCA는 데이터를 고차원 특성 공간으로 매핑하여 비선형 패턴을 해결한다. 이를 통해 데이터를 선형적으로 분리할 수 있게 되어 차원 축소 기술의 활용 범위를 확대시킬 수 있다.

<Mark Tech Post 뉴스 본문 전체읽기>