PCA를 적용하기 전의 스케일, 대안을 선택하는 기준 정리

값의 단위가 크게 다른 피처를 그대로 차원 축소하면 큰 단위의 열이 결과에 강하게 영향을 줄 수 있다.

문제를 푸는 방법이 둘 이상이면 기능의 개수만 비교하기 쉽다. 하지만 운영 중 설명할 수 있는지, 실패했을 때 되돌릴 수 있는지, 다음 동료가 고칠 수 있는지도 선택의 일부다. 이번에는 현재 조건에서 필요한 성질과 감수할 비용을 나누어 적는다.

장점과 비용을 함께 보기

PCA가 분산을 기준으로 방향을 찾는다는 점을 먼저 이해한다. 피처의 단위와 의미를 살핀 뒤 표준화 여부를 정하고 변환의 학습은 학습 구간으로 제한한다.

이번에 확인할 질문: 선택한 방법의 장점이 지금의 제약과 실제로 연결되어 있는가?

작게 확인하는 예제

다음 예제는 핵심 조건을 드러내기 위한 출발점이다. 서비스의 전체 구현을 대신하지 않으므로 실제 입력 범위와 실패 처리 규칙을 함께 읽어야 한다.

from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

projection = make_pipeline(StandardScaler(), PCA(n_components=2))
train_2d = projection.fit_transform(X_train)
test_2d = projection.transform(X_test)

축소 전후 정보 손실과 후속 작업의 결과를 비교하고 각 피처의 단위가 선택에 미친 영향을 확인한다.

놓치기 쉬운 조건

분산을 많이 설명하는 축이 정답을 잘 구분하는 축과 같지는 않다. 시각적으로 잘 나뉜다는 이유만으로 예측 품질을 단정하지 않는다.

확인할 부분	살펴볼 내용
기준 동작	축소 전후 정보 손실과 후속 작업의 결과를 비교하고 각 피처의 단위가 선택에 미친 영향을 확인한다.
비교 조건	입력과 실행 순서를 고정하고 한 번에 한 조건만 바꾼다.
적용 범위	예제가 생략한 의존성과 실제 서비스의 제약을 구분한다.

다음 변경에 적용할 순서

1. 필수 조건과 있으면 좋은 조건을 분리한다.
2. 선택하지 않은 대안이 유리해지는 상황도 한 가지 적는다.
3. 조건이 바뀌면 결정을 다시 검토할 시점을 남긴다.

다른 방법을 배제한 이유가 기록되어 있으면 같은 논의를 처음부터 반복하지 않아도 된다. 선택은 환경에 따라 달라질 수 있다. 무엇을 포기했는지 설명하는 문장이 구현을 이해하는 데 오히려 더 직접적인 도움이 될 때가 많다.