PCA를 적용하기 전의 스케일, 실패를 설명할 단서 남기기

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

실패했다는 사실만으로는 다음 행동을 정하기 어렵다. 어떤 입력으로 어디까지 진행했으며 무엇을 기대했는지가 함께 있어야 한다. 이번에는 성공 여부를 표시하는 데서 한 걸음 더 나아가, 다음 사람이 같은 조건을 확인할 수 있도록 관찰 항목을 정리한다.

결과와 원인을 구분하는 기록

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

이번에 확인할 질문: 결과만 전달받은 사람이 원래 입력과 기대 동작을 복원할 수 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. 기대 결과와 실제 결과를 서로 다른 칸에 적는다.
2. 개인정보나 비밀값을 제외하고 재현에 필요한 조건만 남긴다.
3. 관찰 사실과 원인에 대한 가설을 구분해 후속 확인을 정한다.

기록을 많이 남기는 것과 유용하게 남기는 것은 다르다. 원인을 좁히는 데 쓰이지 않는 항목은 줄이고, 누락 때문에 다시 묻게 되는 조건은 보완한다. 관찰할 수 있는 범위가 분명해지면 실패한 상황에서도 다음 실험을 작게 잡을 수 있다.