PCA를 적용하기 전의 스케일, 변경 전후를 비교하는 방법

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

개선한 코드가 더 좋아 보인다는 인상과 실제 동작의 개선은 구분해야 한다. 입력과 실행 조건이 다르면 차이의 원인을 알기 어렵다. 이번 기록에서는 비교 기준을 먼저 정하고, 바꾼 부분이 기대한 효과를 냈는지 확인하는 절차를 다룬다.

같은 조건에서 얻은 증거

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

이번에 확인할 질문: 관찰한 차이를 이번 변경 때문이라고 설명할 만큼 비교 조건이 같은가?

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. 바꾸기 전 결과를 보관하고 같은 입력을 다시 사용한다.
2. 좋아진 부분뿐 아니라 유지되어야 할 동작도 함께 비교한다.
3. 효과가 확인되지 않으면 추가 복잡도를 받아들일 이유를 다시 검토한다.

비교 결과는 특정 조건에서 얻은 증거다. 이를 모든 사용자와 모든 실행 환경으로 곧바로 확대하지 않는다. 입력의 크기와 조건을 함께 남겨야 다른 상황에서 다시 검증할 때도 출발점으로 사용할 수 있다.