고차원 데이터를 저차원으로 축소하는 데 사용되는 대표적인 비지도 학습.
데이터가 가진 중요한 정보(변동성, 분산)를 최대한 유지하면서 차원을 줄이는 것이 목표.

1. 차원축소 : 데이터의 특성(Feature, 변수) 개수가 너무 많으면 계산 비용이 커지고, 모델의 복잡도가 증가
그래서 원래 변수들을 조합하여 소수의 새로운 변수(주성분)를 생성함으로써 이 문제를 해결

2. 정보의 최대 보존 : 분산이 크면 정보가 많음, 고로 차원 낮출때 분산 최대한 유지함서 낮추는게 목표