Day 1의 차원 축소가 "새로운 합성 축을 만드는" 접근이었다면, **특성 선택(feature selection)**은 기존 특성 중 유용한 것만 골라 남기는 접근이다. 둘 다 차원을 줄이지만, 특성 선택은 원본 특성의 해석 가능성을 그대로 유지한다는 장점이 있다.
오늘은 특성 선택의 세 가지 큰 갈래 — 필터(filter)·래퍼(wrapper)·임베디드(embedded) — 와 특성 중요도, 그리고 선택을 어렵게 만드는 **다중공선성(multicollinearity)**을 다룬다.
💡 관련 이론: 특성 선택과 차원 축소(PCA)는 모두 차원을 줄이지만 철학이 다르다. PCA는 모든 원본 특성을 선형 결합해 새 축을 만들기 때문에 결과 특성의 물리적 의미가 사라진다. 반면 특성 선택은 원본 특성의 부분집합을 유지하므로, 규제 산업(금융·의료)처럼 "어떤 변수가 예측에 쓰였는지" 설명해야 하는 환경에서 선호된다.