지난번에 예고했던 대로 오늘은 다변량 탐색이랑 시공간 데이터 탐색을 봤다. EDA 기초 파트는 그래도 변수 하나, 많아야 둘을 보는 수준이었는데, 이번엔 변수가 여러 개 동시에 얽혀 있을 때 어떻게 들여다보는지가 주제였다. 이름부터 낯선 시각화 도구가 잔뜩 나와서 오늘은 그냥 하나하나 받아 적는 기분으로 공부했다.

가장 당황스러웠던 건 체르노프 페이스였다. 데이터를 사람 얼굴 모양으로 그려서 눈 크기, 입 모양, 얼굴 폭 같은 걸 각각 변수 하나씩에 대응시킨다는데, 처음 읽었을 땐 이게 통계 교재에 나올 내용이 맞나 싶었다. 근데 생각해보니 사람은 원래 얼굴 표정 차이를 아주 예민하게 구분해내니까, 숫자 표보다 오히려 패턴을 직관적으로 잡아내기엔 나름 말이 되는 방식이더라. 이거 말고도 산점도 행렬(변수 쌍마다 산점도를 격자로 늘어놓는 것), 별그림, 평행좌표그래프, 히트맵까지 다 다변량 관계를 시각화하는 도구인데, 결국 목적은 다 똑같다. 변수 두 개짜리 산점도로는 못 보는 전체 구조나 군집을 어떻게든 한 화면에 욱여넣어서 보자는 거였다.

시공간 데이터는 결이 좀 달랐다. 여기서는 위치(공간) 속성이랑 시간 속성을 같이 가진 데이터를 다루는데, 이걸 수집 방식에 따라 이산적 변화랑 연속적 변화로 나눈다는 게 오늘 새로 배운 부분이다. 수집 주기가 들쭉날쭉해서 값이 생길 때마다 추가되는 게 이산적 변화, 일정한 주기로 꾸준히 쌓여서 하나의 함수처럼 이어지는 게 연속적 변화라고 하는데, 말로만 보면 헷갈려서 “센서가 5분마다 자동으로 찍는 온도 데이터”랑 “사고가 날 때만 기록되는 신고 데이터”를 예로 놓고서야 구분이 좀 됐다. 시각화 쪽에서는 지역별로 색을 다르게 칠하는 코로플레스 지도, 지역 크기를 값에 비례해서 왜곡시키는 카토그램, 지도 위에 크기가 다른 원을 얹는 버블플롯맵이 나왔다. 다변량 탐색이 “그래프를 여러 개 겹쳐 보자” 쪽이라면 이쪽은 “지도 위에 숫자를 얹어 보자” 쪽이라 접근 자체가 다르게 느껴졌다.

오늘 공부하고 나서 스스로 산점도 행렬이랑 히트맵 차이를 설명할 수 있나 물어봤는데, 둘 다 “변수 간 관계를 보여준다”는 말만 반복하다가 막혔다. 산점도 행렬은 실제 값들의 분포 자체를 보여주는 거고, 히트맵은 그걸 상관계수 같은 하나의 값으로 요약해서 색으로 보여주는 거라 목적이 다른데, 아직 입에 붙지가 않는다. 다음엔 여기서 이어서 기술통계 쪽으로 넘어갈 예정인데, 오늘 나온 용어들은 그림으로 한 번 더 직접 그려봐야 안 까먹을 것 같다.