dr 패키지는 선형 충분 차원축소(sufficient dimension reduction; SDR)를 구현하기 위해 널리 사용되는 도구로, 고차원 데이터로부터 핵심 정보를 추출하는 데 활용되는 유용한 통계 방법이다. 그러나 빅데이터의 복잡성이 증가함에 따라, 특히 비선형 구조를 포함하는 경우에는 선형 SDR 방법만으로는 데이터의 일부 중요한 특성이 충분히 설명되지 못할 수 있다. 이러한 경우 비선형 SDR 방법은 선형 방법이 포착하지 못하는 더 유연하고 복잡한 관계를 반영함으로써 이 문제를 효과적으로 해결하는 대안이 될 수 있다. 그럼에도 불구하고 비선형 SDR의 이론적 정식화는 힐베르트 공간의 선형 연산자에 의존하므로, 많은 사용자가 이러한 비선형 방법을 실제 데이터 분석에 적용하는 데 제약을 받는다. 이 어려움을 해결하기 위해 최근 개발된 nsdr 패키지는 R에서 비선형 충분 차원축소 기법을 접근 가능하고 사용자 친화적인 방식으로 구현할 수 있도록 제공한다. 본 논문에서는 널리 사용되는 dr 패키지와 새로 도입된 nsdr 패키지를 사용하여 선형 및 비선형 SDR 방법 간의 이론적 배경과 수치 결과를 비교한다. 또한 와인 품종(wine cultivar) 데이터셋을 이용한 분류 과제를 통해 비선형 SDR 방법의 장점을 시연하고, 이 방법들이 분류 성능을 향상시키며 복잡한 데이터에 대한 더 깊은 통찰을 제공할 수 있음을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.