이변량 및 다변량 분석

이변량 분석은 두 변수 사이의 관계를 연구하고, 다변량 분석은 여러 변수를 한 번에 살펴봅니다.

목표는 어떤 특성들이 함께 움직이는지 찾고, 상호작용을 발견하며, 어떤 변수가 예측 대상에 대한 예측력이 있는지 결정하는 것입니다.

산점도는 두 수치형 변수를 서로 비교해 표시하며, 각 점은 하나의 행을 나타냅니다. 산점도에서 추세, 군집, 이상치를 확인할 수 있습니다.

방향(위쪽 = 양의 관계, 아래쪽 = 음의 관계), 강도(좁은 띠 형태인지 흩어진 구름 형태인지), 모양(선형인지 곡선인지)을 살펴보세요.

sns.scatterplot에 hue를 추가하면 범주별로 점에 색을 지정하여 집단 구조를 확인할 수 있습니다.

df.corr()는 수치형 열 사이의 쌍별 피어슨 상관관계를 계산하며, 결과는 -1에서 +1 사이의 값입니다.

• +1 → 완벽한 양의 선형 관계
• 0 → 선형 관계 없음
• -1 → 완벽한 음의 선형 관계

상관관계 행렬은 heatmap으로 표현하면 더 쉽게 읽을 수 있습니다. 각 셀 안에 값을 표시하려면 annot=True를 전달하세요.

양의 상관관계와 음의 상관관계가 서로 다른 색으로 표시되도록 발산형 색상표(예: coolwarm)를 사용하세요.

두 특성의 상관관계가 매우 높으면(예: 0.9 초과) 서로 중복되는 정보를 담고 있는 것입니다. 이를 다중공선성이라고 하며, 선형 모델을 불안정하게 만들 수 있습니다.

heatmap을 사용하면 중복되는 쌍이 눈에 잘 띄므로 둘 중 하나를 삭제할 수 있습니다.

강한 상관관계가 있다고 해서 한 변수가 다른 변수를 원인으로 만든다는 뜻은 아닙니다. 두 변수 모두 숨겨진 세 번째 변수의 영향을 받거나, 그 관계가 우연일 수도 있습니다.

상관관계로 가설을 세운 다음, 해당 분야의 지식과 통제된 분석으로 검증하세요.

sns.pairplot은 모든 수치형 열의 각 쌍에 대해 산점도 격자를 그리고, 대각선에는 히스토그램이나 KDE를 표시합니다.

모든 이변량 관계를 한 번에 빠르게 살펴볼 수 있는 방법입니다. 열의 개수에 따라 계산량이 제곱으로 늘어나므로 대규모 데이터 세트에서는 열을 제한하세요.

수치형 변수를 범주형 변수와 비교하려면 상자 그림의 x축에 범주를 배치하세요. 집단별 분포를 즉시 비교할 수 있습니다.

수치 정보는 그래프를 보완합니다. groupby와 agg를 함께 사용하면 범주별로 수치형 열을 요약할 수 있습니다.

이는 표 형태로 표현한 다변량 분석입니다. 평균, 중앙값, 개수를 나란히 비교할 수 있습니다.

시각적 인코딩을 사용하면 하나의 차트에 세 개 이상의 변수를 담을 수 있습니다. x, y, 색상(hue), 크기 등을 활용하는 방식입니다.

그래프를 여러 개로 나누지 않고도 세 번째 차원에 따라 관계가 어떻게 달라지는지 확인할 수 있습니다.

df.corr()를 실행했더니 두 특성 사이에서 -0.85라는 값이 나왔습니다.

이제 변수 사이의 관계를 탐색할 수 있습니다.

• 두 수치형 변수를 확인하는 plt.scatter / sns.scatterplot
• 상관관계 행렬을 확인하는 df.corr() + sns.heatmap(annot=True)
• 다중공선성을 나타내는 높은 상관관계(중복 특성 삭제)
• 모든 쌍의 관계를 한눈에 확인하는 sns.pairplot
• 수치형 변수와 범주형 변수를 비교하는 그룹별 상자 그림 및 groupby().agg()

다음에는 특성을 예측 대상과 직접 연결해 살펴봅니다.