빅데이터 분석과 관련하여, 다변량 자료의 시각화는 자료들 간의 상호 종속관계, 특징적인 패턴, 군집(cluster), 이상치(outlier) 등을 탐지하는데 도움이 되는 것으로 다양한 분야의 자료분석에서 중요한 역할을 하고 있다. 다변량 자료 시각화 방법의 하나인 체르노프 얼굴은, 다변량자료의 각 변수를 인간 얼굴의 눈, 코, 입 등의 얼굴 특징에 대응시켜 각 관측 자료를 각기 다른 얼굴로 표현할 수 있는 매우 용한 방법이지만, 어떤 변수를 얼굴의 어느 부위와 대응시키는 것이 가장 바람직한지 여부에 대한 표준화된 기준이 아직까지는 없는 실정이다. 이에 본 연구에서는 체르노프 얼굴 작성 시 통계적 타당성을 확보할 수 있도록 상관계수를 이용할 것을 제안하였다. 즉 상관계수가 높은 변수들을 얼굴의 어느 부위들에 대응하는 것이 체르노프 얼굴이 가장 목적에 맞도록 표현되는지를 찾아보았다. 그 결과 다음을 알 수 있었다. 첫째, 기존에 알려진 결과들이 어느 정도는 타당함을 탐색적으로 확인해 볼 수 있었다. 둘째, 체르노프 얼굴을 통하여 빅데이터 측면의 다변량자료를 시각적으로 표현할 때, 상관관계가 높은 변수를 얼굴의 다양한 부위 중 입, 눈 그리고 코 등에 대응시키는 것이 적절하다는 것을 알 수 있었다.
In relation to big data analysis, visualization of multivariate data is helpful in detecting mutual dependencies, characteristic patterns, clusters, and outliers among data and plays an important role in data analysis in various fields is. The Chernoff face, which is one of the multivariate data visualization methods, is a very useful method that can express each observation data with different faces by associating each variable of multivariate data with facial features such as eyes, nose, and mouth of human face, There is no standardized standard for determining which variable is most suitable to correspond to which part of the face. In this study, we propose the use of correlation coefficient to obtain the statistical validity of Chernoff face. In other words, it was found that the correspondence of the variables with high correlation coefficients to the faces of the face showed that the face of Chernoff was expressed to the most purpose. As a result, the following was found. First, we can confirm the validity of existing results to some extent. Second, when visualizing the multivariate data of the big data side through the Chernoff face, it was found appropriate to correlate high correlation variables with the mouth, eyes and nose of various parts of the face.
1. 서론 2. 연구방법 3. 분석 결과 4. 결론
