- Pearson은 선형, Spearman은 단조 관계를 본다. 어떤 상관계수든 반드시 산점도와 함께 해석한다.
- 상관은 인과가 아니다. 역인과·교란변수·우연·선택 편향을 먼저 의심한다. 인과 주장에는 실험 설계(A/B)가 필요하다.
- 설명 변수끼리 강하게 상관하면 다중공선성이다. 선형·로지스틱 회귀의 계수가 불안정해진다(VIF > 5~10이 경고선).
- 트리 계열은 다중공선성에 둔감하지만, 상관 변수끼리 중요도를 나눠 가져 개별 중요도가 과소평가된다.
- 범주형끼리는 상관계수가 아니라 카이제곱 검정·Cramér's V, 수치형-범주형은 집단 평균 비교(ANOVA)·박스플롯으로 본다.
어제는 변수 하나의 분포를 봤다. 오늘은 변수 사이의 관계를 본다. 두 변수가 함께 움직이는가, 그렇다면 얼마나 강하게 어느 방향으로 움직이는가, 그리고 가장 위험한 질문 — 함께 움직인다고 한쪽이 다른 쪽의 원인인가?
MLS-C01 Domain 2는 상관 분석을 EDA의 핵심 도구로 다룬다. 상관은 특성 선택, 다중공선성 진단, "이 피처를 넣어야 하나?" 판단을 이끈다. 그러나 상관과 인과를 혼동하는 것은 데이터 과학에서 가장 비싼 실수다.