(이*민)(강의노트 19장) 상관계수 행렬과 히트맵관련

[wlsldjtm9]

상관계수 행렬과 히트맵을 생성할 때 수치형 데이터 간의 선형 관계만 분석 대상에 포함합니다. 하지만 예를 들어 종(species)이나 섬(island)같은 범주형 데이터가 몸무게 같은 수치형 변수에 미치는 영향력도 무시할 수 없을 것 같은데 이러한 범주형 변수와 수치형 변수 간의 관계를 히트맵 처럼 직관적으로 확인할 수 있는 시각화 방법이 있는지 궁금합니다.

[Kdy0412]

(김*연)

범주형 변수와 수치형 변수 간의 관계를 히트맵 처럼 직관적으로 확인할 수 있는 시각화 방법이 있는지 궁금합니다.

• 그룹별 박스플롯
  범주형 특성(species)를 X축에, 수치형 특성(body_mass_g)을 Y축에 배치하여 그룹별 분포를 나타내므로 범주형 특성과 수치형 특성 간의 관계를 나타냅니다.

penguins.boxplot(
    column=['body_mass_g'],
    by='species',
    figsize=(8, 6),
    grid=False,
    flierprops=dict(marker='o', markerfacecolor='red', markersize=4)
)
plt.show()

• 그룹별 평균 히트맵

범주형 특성의 각 그룹별로 수치형 특성의 평균값을 계산하여 테이블(Matrix) 형태로 만든 뒤, 이를 히트맵으로 시각화하는 방법입니다.
수치형 특성과 범주형 특성 간의 관계를 직관적으로 나타내는 방법 중 하나입니다.

# 1. 범주별 평균 계산
grouped_data = penguins.groupby('species')[['body_mass_g', 'flipper_length_mm', 'bill_length_mm']].mean()

# 2. 열 단위 정규화 (Min-Max)
normalized_data = (grouped_data - grouped_data.min()) / (grouped_data.max() - grouped_data.min())
sns.heatmap(normalized_data, annot=True, cmap='coolwarm', fmt=".2f")
plt.show()

[wlsldjtm9]

(이*민)
@Kdy0412
그룹별 평균 히트맵을 사용하면 번주형과 수치형의 관계를 직관적으로 나타낼 수 있는 것을 확인했습니다.
그런데 왜 평균을 이용해서 나타내나요? 그러면 이상치까지 계산이 되어서 값이 왜곡될 수도 있는 거 아닌가요?

[Kdy0412]

(김*연)

맞습니다. 평균(mean)은 이상치에 매우 취약합니다.
그럼에도 불구하고 평균을 사용한 이유는 데이터의 분포 상태와 분석 목적에 따라 평균(mean)이 가장 적합할 때가 있기 때문입니다.
경우를 들자면 중심 경향성을 파악할 때 데이터가 정규분포에 가깝게 분포되어 있다면 평균(mean)은 그 데이터의 중심 경향을 설명하는데 적절한 선택이 될 수 있고, 비대칭이거나 이상치의 영향력이 큰 경우에는 평균(mean)값보단 중앙값(median)을 사용하여 히트맵을 생성하는 것이 더 적절한 선택일 수 있습니다.

[liganega]

@wlsldjtm9 : "범주형"의 의미에 대해 다시 생각해보세요. 그러면 범주형과 수치형 사이의 관계를 히트맵으로 그리는 것이 의미가 있을지 없을지 판단이 될 것입니다.

@Kdy0412 : 그룹별 평균이, 그것도 열 단위로 정규화 한 값들이 무슨 의미가 있다는 거지?

[Kdy0412]

(김*연)

@liganega
범주형 특성과 수치형 특성의 관계를 보여주는 시각화 방법을 설명하기 위해 범주형 특성(종)에 따른 수치형 특성의 분포 차이를 나타내고자 그룹별 평균값을 히트맵으로 시각화했습니다. 여기서 가독성을 위하여 열 단위로 값의 범위를 0~1로 조정하는 min max 스케일링 기법을 사용했습니다.
다만 이 과정에서 단순히 시각화의 가독성에 초점을 두어 이 시각화 방법이 질문 의도에 부합하는 유의미한 방법이었는지에 대해서 충분히 고려하지 못했던 것 같습니다.

[wlsldjtm9]

(이*민)
@liganega
범주형 데이터는 연속적인 수치, 크기나 방향성 등을 가지지 않는 명목적인 집단 분할 기준으로 생각하면 될까요? 그래서 상관관계 히트맵은 변수 간의 선형적인 변화량을 수식으로 계산해야해서 크기나 방향성이 없는 범주형 데이터로 분석하는게 무의미하다고 이해하면 되겠죠??

[liganega]

굿!