5. 하늘에 찍어보는 관계의 별자리: 상관도 (Scatter Plot)

[도입부] 학습 목표 (Learning Objectives)

  • 머릿속으로만 짐작하던 두 집단 간의 ‘상관관계’ 를 $X, Y$ 좌표 평면이라는 하늘에 별(점)처럼 흩뿌려 눈으로 직접 증명해 내는 ‘상관도(산점도, Scatter Plot)’의 위력을 배웁니다.
  • 별자리가 우상향으로 띠를 이루는지, 흩뿌려진 난장판인지 시각적으로 판단하는 방법을 터득합니다.
  • 파이썬(Python)의 matplotlib 라이브러리를 동원해 허공에 데이터 점을 찍고 트렌드 라인(경향선)을 발견해 내는 데이터 시각화의 정수를 맛봅니다.

1. 숫자의 나열을 ‘시각적 증거’로 탈바꿈시키다

“수학 성적이 높은 학생은 과연 과학 성적도 높을까?” 선생님이 학생 30명의 수학 점수(X)와 과학 점수(Y)가 적힌 빽빽한 엑셀 표를 계속 째려본다고 해서 둘 사이의 끈적한 관계를 단숨에 증명해 내기는 불가능합니다.

통계학자는 표를 보지 않습니다. 대신 하얀 도화지에 가로선(X축=수학 점수)과 세로선(Y축=과학 점수)을 긋고, 30명의 학생 각자가 위치하는 교차점에 아무 생각 없이 점(Dot) 하나씩을 툭툭 찍어버립니다. 점이 $30$개가 찍히고 나면, 엑셀 표의 암호 같던 숫자들은 마치 하늘의 ‘별자리’ 처럼 하나의 거대한 형태를 띄며 정체를 드러냅니다. 이 그림을 우리는 직관적으로 점들이 모여있다 하여 산점도(상관도, Scatter Plot) 라고 부릅니다.

산점도 SVG


2. 세 가지 별자리의 생김새

산점도 위에 뿌려진 점들의 띠(밴드) 모양만 봐도 데이터의 운명을 점칠 수 있습니다.

  • 우상향 띠 (양(+)의 상관관계): 점들이 왼쪽 아래에서 오른쪽 위로 향하는 럭비공 모양으로 뭉쳐 있습니다. “수학 잘하면 과학도 잘한다”는 가설이 눈앞에 완벽히 증명된 반박 불가 시점입니다.
  • 우하향 띠 (음(-)의 상관관계): 왼쪽 위에서 오른쪽 아래로 미끄러집니다. “TV 시청 시간이 많을수록, 시험 점수가 폭락한다”를 보여주는 무서운 미끄럼틀 별자리입니다.
  • 모래알 파편 (상관관계 0): 아무런 띠나 그룹을 형성하지 못하고 커다란 원형으로 흩뿌려진 난장판입니다. “머리카락 길이와 수학 점수”처럼 완전 쌩뚱맞은 변수를 엮었을 때 나타나는 조롱 섞인 패턴입니다.

3. 💻 파이썬(Python)의 마법 지휘봉 scatter()

머신러닝과 딥러닝 세계에서 데이터의 연관성을 판단할 때, 가장 먼저 모니터에 타격해 보는 파이썬 시각화의 첫 번째 명령어가 바로 점을 허공에 찍어 던지는 scatter 함수입니다.

🐍 파이썬 예제: 매장의 온도와 아이스 아메리카노 판매량의 산점도 그리기

import matplotlib.pyplot as plt

print("--- 🌟 파이썬 데이터 별자리 천문대 ---")

# (가상 데이터) 1주일 간 낮 최고 기온(X)과 아이스 아메리카노 판매 잔 수(Y)
temperature_X = [22, 24, 26, 28, 30, 32, 34]
ice_coffee_Y  = [10, 25, 30, 45, 60, 80, 95]

# 기온과 따뜻한 라떼 판매 잔 수(Y2) (음의 상관관계 유도)
hot_latte_Y2  = [80, 75, 55, 40, 30, 15, 5]

# 실제 컴퓨터에서는 스크린에 화려한 차트가 팝업됩니다.
print("1. [기온 vs 아이스 아메리카노] 점 찍기 발사! -> plt.scatter(temp, ice)")
print(" ☞ 결과: 모니터에 점들이 완벽한 '우상향 대각선 띠'를 형성했습니다!")
print(" ☞ [판단] 폭염이 올수록 아이스 아메리카노는 폭풍 판매된다. (양의 상관관계 증명 완료)\n")

print("2. [기온 vs 따뜻한 라떼] 점 찍기 발사! -> plt.scatter(temp, hot)")
print(" ☞ 결과: 모니터에 점들이 비탈길을 구르듯 '우하향 대각선 띠'를 형성했습니다!")
print(" ☞ [판단] 기온이 오를수록 라떼는 파리만 날린다. (음의 상관관계 증명 완료)")

# 파이썬은 이 시각화 도구를 통해 눈먼 장님 상태인 코더에게 데이터의 방향을 제시합니다.

# 결과창:
# --- 🌟 파이썬 데이터 별자리 천문대 ---
# 1. [기온 vs 아이스 아메리카노] 점 찍기 발사! -> plt.scatter(temp, ice)
#  ☞ 결과: 모니터에 점들이 완벽한 '우상향 대각선 띠'를 형성했습니다!
#  ☞ [판단] 폭염이 올수록 아이스 아메리카노는 폭풍 판매된다. (양의 상관관계 증명 완료)
# 
# 2. [기온 vs 따뜻한 라떼] 점 찍기 발사! -> plt.scatter(temp, hot)
#  ☞ 결과: 모니터에 점들이 비탈길을 구르듯 '우하향 대각선 띠'를 형성했습니다!
#  ☞ [판단] 기온이 오를수록 라떼는 파리만 날린다. (음의 상관관계 증명 완료)

이 시각화 기술이 발전하여 추후 점들이 만들어내는 띠(럭비공) 한가운데를 관통하는 가장 완벽한 붉은 직선 레이저를 하나 쏘게 되는데, 이것을 인공지능의 꽃인 “선형 회귀(Linear Regression) 모델의 예측선”이라고 부릅니다.

[결론] 학습 정리 (Summary)

  1. 상관도(Scatter Plot): 알아들을 수 없는 두 리스트 변수 집단의 숫자 더미들을 $X, Y$ $2$D 좌표 평면 위에 점으로 찍어내, 데이터의 포지셔닝(별자리)을 한눈에 구경하는 무기입니다.
  2. 별자리의 띠(타원) 형태: 점들이 흩어지지 않고 럭비공처럼 좁은 띠 공간에 오밀조밀 모여있을수록 서로 인과관계가 소름 돋게 강력(Strong)하게 얽혀있음을 의미합니다.
  3. 직관의 마스터피스: 컴퓨터 파이썬 plt.scatter() 를 통해 인간은 무려 $1$만 개의 빅데이터도 단 $1$초 만에 눈싸움으로 “우상향인지 우하향인지” 방향성을 모니터링할 수 있습니다.
서브목차