모든 중요한 것이 측정되는 것은 아닙니다. 잠재변수는 관찰된 데이터에서 추론할 수 있는 것으로, 결과에 영향을 미치지만 직접적으로는 관찰되지 않는 요소입니다. 지능, 동기, 질병의 심각도 등이 모두 이 범주에 속합니다.

모델은 잠재 변수를 사용하여 관찰된 데이터의 패턴을 설명합니다. 요인 분석은 상관 관계가 있는 측정값을 기본 요인으로 그룹화합니다. 변분 오토인코더는 이미지나 텍스트의 구조를 포착하는 잠재 공간을 학습합니다. 토픽 모델은 문서에서 주제를 추론합니다.

일반적인 잠재 변수 활용

• 차원 축소
• 생성 모델링
• 텍스트에서 주제 찾기
• 심리측정
• 관찰되지 않은 교란변수를 고려한 인과 추론

해석은 까다롭습니다. 잠재변수는 검증된 실체가 아니라 수학적 구성물입니다. 두 모델이 동일한 데이터를 똑같이 잘 설명하는 서로 다른 잠재 구조를 찾아낼 수 있습니다. 잠재 차원에 의미를 부여하는 데에는 신중함이 필요합니다.