군집과 차원 축소¶ 군집과 차원 축소 결과는 정답 metric 하나보다 안정성과 downstream 유용성으로 봅니다. 핵심¶ 거리와 scaling 선택이 cluster 형태를 바꿉니다. PCA는 분산을 보존하지만 label 분리를 보장하지 않습니다. 시각화용 embedding과 모델 입력용 표현을 구분합니다. 연습¶ seed와 표본을 바꿔 cluster assignment 안정성을 비교합니다. 연결¶ 지도학습과 비지도학습 탐색적 데이터 분석과 품질 검사