어제는 변수 하나의 분포를 봤다. 오늘은 변수들 사이의 관계를 본다. 두 변수가 함께 움직이는가, 그렇다면 얼마나 강하게, 어떤 방향으로? 그리고 가장 위험한 질문 — 함께 움직인다고 해서 하나가 다른 하나의 원인인가?
MLS-C01 도메인 2는 상관 분석을 EDA의 핵심 도구로 다룬다. 상관은 특성 선택, 다중공선성 진단, 그리고 "이 특성을 모델에 넣어도 되는가"를 판단하는 출발점이다. 동시에 상관과 인과의 혼동은 데이터 과학에서 가장 흔한 오류이기도 하다.
두 변수가 함께 변하는 정도를 수치로 나타낸 것이 **상관계수(correlation coefficient)**다. 종류와 가정이 다르다.
| 계수 | 측정 대상 | 가정 | 범위 |
|---|---|---|---|
| Pearson | 선형(linear) 관계 | 연속형, 정규성 선호, 이상치 민감 | −1 ~ +1 |
| Spearman | 단조(monotonic) 관계 | 순위 기반, 비선형·이상치에 강건 | −1 ~ +1 |
| Kendall's τ | 순위 일치도 | 순위 기반, 작은 표본·동점에 강건 | −1 ~ +1 |
Pearson은 선형 관계만 잡는다