PCA를 적용하기 전의 스케일, 작은 재현 예제로 좁혀 가기

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

화면이나 실행 결과가 예상과 다를 때 전체 시스템을 한꺼번에 설명하려 하면 단서가 흐려진다. 관련 없는 의존성을 덜어 내고 조건을 하나씩 바꾸면 어느 가정이 깨졌는지 볼 수 있다. 이번에는 원인을 단정하기 전에 비교 가능한 최소 예제를 만드는 과정을 정리한다.

변수를 줄이는 순서

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

이번에 확인할 질문: 한 가지 조건만 바꾸었을 때 관찰 결과도 함께 바뀌는가?

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. 문제가 드러나는 입력과 순서를 먼저 고정한다.
2. 의존성이나 옵션을 하나씩 제거하고 같은 결과가 남는지 확인한다.
3. 원인을 설명하는 가장 작은 차이를 회귀 확인 항목으로 남긴다.

재현 예제의 목적은 짧은 코드를 자랑하는 데 있지 않다. 설명에 필요한 조건을 남기는 것이 목적이다. 실제 경로로 돌아왔을 때도 같은 원인과 해결책이 성립하는지 마지막으로 확인해야 재현 과정이 유용한 기록이 된다.