탐색적 자료 분석(EDA)은 데이터에서 중요한 패턴을 발견하고 결측값·이상값·변수 특성을 확인하는 분석의 출발점입니다.
3과목 11장 · pp.224–229
🔎 📊 🧹
오늘의 큰 흐름
데이터 관찰→문제 발견→처리 판단→모형 준비
의심스러운 값은 무조건 지우는 것이 아니라 그 값이 생긴 이유와 분석 목적을 검토합니다.
학습목표
1
EDA의 목적과 도구를 설명
그래프와 요약통계로 패턴을 읽습니다.
2
결측값을 확인하고 처리방법을 비교
삭제·단순대치·다중대치의 차이를 구분합니다.
3
상자그림의 사분위수·이상치를 해석
IQR과 이상치 경계를 계산할 수 있습니다.
4
구간화·변수 중요도를 이해
연속형 변수를 분류하고 예측에 유용한 변수를 판단합니다.
핵심 키워드 미리보기
EDA · 탐색적 자료 분석데이터를 다양한 그림으로 살펴보는 과정
Missing value · 결측값관측되어야 하는 값이 비어 있는 상태
Outlier · 이상값다른 값들과 유난히 멀리 떨어진 관측치
Binning · 구간화숫자를 범위별 묶음으로 바꾸는 방법
한눈에 이해하는 4컷
01🧑🏫📦“데이터 상자를 열어 볼까?”
분석 전 전체 데이터 모습을 살핍니다.
02👀❔“어? 빈칸이 있네!”
누락된 기록이 있는지 확인합니다.
03📈🚨“이 숫자는 왜 이렇게 크지?”
다른 값과 다른 점을 찾아냅니다.
04🧠✅“이유를 보고 처리하자.”
목적에 알맞게 데이터를 준비합니다.
💡핵심 메시지: 좋은 데이터 분석은 좋은 데이터를 만드는 과정이 아니라, 데이터의 의미와 한계를 이해하는 것에서 시작합니다.
THEORY 01 / EXPLORATORY DATA ANALYSIS
탐색적 자료 분석 EDA
표에 있는 숫자를 통째로 보는 대신, 그림·통계량으로 패턴, 퍼짐, 특이점을 발견하는 일입니다.
교재 p.224
EDA에서 던지는 세 가지 질문
01
중심 — 보통 얼마인가?
평균(mean), 중앙값(median)을 확인
02
퍼짐 — 값이 얼마나 다른가?
범위(range), 사분위범위(IQR), 표준편차
03
특이점 — 예외적인 값이 있는가?
히스토그램·상자그림·산점도로 발견
EDA는 가설을 탐색하는 데 유용합니다. 발견된 관계가 곧바로 인과관계를 증명하는 것은 아닙니다.
직접 바꿔 보는 데이터 분포
EDA의 3가지 기본 도구
📊 Plot · 도표
상자그림은 중앙값·사분위수·이상값 후보를 보여 줍니다.
📈 Graph · 그래프
히스토그램과 산점도는 분포와 변수 관계를 보여 줍니다.
🔢 Summary statistics · 요약통계
평균·중앙값·표준편차 등 핵심 숫자로 특징을 요약합니다.
4컷 개념 만화 · “숫자 표가 그림이 되는 순간”
01📋😵“숫자가 너무 많아!”
표만 보면 규칙을 놓치기 쉽습니다.
02📊✨“그래프로 바꿔 보자.”
같은 크기끼리 모여 있는지 보입니다.
03👀🔴“혼자 멀리 떨어진 점!”
이상값 후보를 찾아냅니다.
04🧑🔬💬“왜 생겼는지 확인하자.”
EDA는 후속 조사와 판단으로 이어집니다.
THEORY 02 / MISSING VALUES
결측값 — 값이 비어 있는 상황
관측값이 누락되면 분석에 사용 가능한 사례가 줄고, 누락되는 이유에 따라 결과가 편향될 수 있습니다.
교재 p.224
결측값의 표현은 서로 다릅니다
NA R의 결측값
값이 존재하지 않음을 나타내는 대표 기호
"" / Unknown / 999999
원자료에서 누락을 나타낼 수도 있는 표기; 사전 확인·정리 필요
R에서 NULL은 길이가 0인 객체/값의 부재 등으로 쓰이며, NA와 동일한 결측 셀로 단순 취급하지 않습니다. NaN은 계산 결과가 '숫자가 아님'을 뜻합니다.
R에서 기억할 두 함수
is.na(data) # 각 셀별로 결측이면 TRUE
complete.cases(data) # 행별로 완전하면 TRUE
data[complete.cases(data), ] # 결측 없는 행만 선택
표의 빈칸을 찾아보세요
응답자
여행경험
만족도
연령
complete.cases()는 한 행에 결측값이 하나라도 있으면 FALSE입니다. 반면 is.na()는 각 셀마다 TRUE/FALSE를 반환합니다.
4컷 개념 만화 · “빈칸은 그냥 숫자 0일까?”
01🧑🎓📋“만족도가 비어 있네?”
응답하지 않아 값이 빠졌습니다.
02❔0️⃣“0점으로 쓰면 될까?”
0은 실제 점수일 수 있어 임의로 넣으면 안 됩니다.
03🔎💻“NA인지 확인하자!”
is.na()로 빠진 위치를 찾습니다.
04🧠📌“왜 비었는지 먼저!”
누락 원인에 따라 처리 방법을 택합니다.
THEORY 03 / MISSING DATA HANDLING
결측값 처리 — 삭제할까, 채울까?
어떤 방법이든 장단점이 있습니다. 결측 비율·누락 원인·자료의 구조를 고려해 선택합니다.
교재 p.225
① 완전사례분석 · 삭제
✂️
결측값을 포함한 행 전체를 분석에서 제외합니다.
간단하지만 표본 손실 가능
② 단순대치 · 한 번 채우기
🧩
평균, 최근접 이웃, Hot deck 등으로 하나의 값으로 채웁니다.
불확실성 과소평가에 주의
③ 다중대치 · 여러 번 채우기
🔁
m개 완성 데이터셋을 만들어 각자 분석하고 결과를 결합합니다.
대치 → 분석 → 결합
상황별 결과를 눌러 비교하세요
판단할 때 꼭 확인할 것
1
누락 규모
삭제하면 분석 가능한 사례가 얼마나 남는가?
2
누락의 원인
무작위로 빠졌는지 특정 집단에서 더 빠지는지?
3
추정의 불확실성
평균으로 모두 채우면 실제보다 덜 퍼져 보일 수 있습니다.
완전사례분석의 편향 여부는 결측 메커니즘과 분석 목표에 따라 달라집니다. 결측이 많다고 항상 삭제해서는 안 됩니다.
4컷 개념 만화 · “빈자리 처리 회의”
01🪑❓“한 명의 값이 없네!”
자료에서 결측 레코드를 발견합니다.
02✂️📋“그 행을 빼면 간단해.”
하지만 중요한 정보까지 잃습니다.
03🔢🧩“평균으로 채울까?”
채운 값이 진짜 관측값은 아닙니다.
04🧠🔁“여러 가능성을 고려하자.”
다중대치는 불확실성을 함께 반영합니다.
THEORY 04 / BOX PLOT AND IQR
상자그림으로 이상값 찾기
상자(box)는 가운데 50%의 자료, 상자 안 선은 중앙값, 상자 밖의 점은 이상값 후보를 보여 줍니다.
교재 pp.225–226
직접 바뀌는 상자수염그림
수염의 끝은 IQR 경계 안에 있는 실제 관측값 중 가장 바깥 값입니다. 점은 경계를 벗어난 후보입니다.
상자그림을 읽는 순서
Q1
제1사분위수 · 25%
데이터 약 25%가 이 값 이하입니다.
Q2
제2사분위수 · 중앙값
값을 정렬했을 때 가운데 위치입니다.
Q3
제3사분위수 · 75%
데이터 약 75%가 이 값 이하입니다.
IQR = Q3 − Q1
하한 = Q1 − 1.5×IQR 상한 = Q3 + 1.5×IQR
중요: 일반적인 상자그림에 중앙값은 보이지만 평균은 기본적으로 표시되지 않습니다. 일부 프로그램은 옵션으로 평균 표시가 가능합니다.
4컷 개념 만화 · “키가 아주 큰 친구를 찾는 법”
01🧍🧍🧍“키를 작은 순서로!”
숫자를 정렬합니다.
02📦📏“가운데 절반을 상자에!”
Q1과 Q3 사이가 IQR입니다.
03📏🚧“1.5×IQR 울타리!”
일반적인 이상값 경계를 계산합니다.
04🧍♂️🔴“밖에 있네! 왜일까?”
이상값은 검토 대상이지 곧 오류는 아닙니다.
THEORY 05 / OUTLIER INTERPRETATION
이상값은 무조건 삭제하지 않습니다
데이터 입력 오류일 수도 있고, 오히려 중요한 사건을 담은 진짜 데이터일 수도 있습니다.
교재 pp.225–226
이상값 의사결정 흐름
🔴 다른 점들과 크게 다른 관측값 발견↓🔎 입력 오류인지 원자료 검증↓
✖ 오류로 확인
수정 가능하면 수정, 그렇지 않으면 사유를 기록하고 처리
✔ 실제 발생한 사건
목적에 따라 유지·변환·강건 분석 등을 검토
어디서 이상값을 찾을까?
📦
상자그림 1.5×IQR
사분위수 기반의 이상값 판별 규칙
σ
평균에서 ±3 표준편차
정규분포에서 참고하는 경험적 기준; 분포에 따라 달라집니다.
🧪
ESD 검정
정규성 등의 가정 하에 극단값을 통계적으로 검정하는 별도 절차입니다.
교재에 함께 등장하지만 ‘3σ 규칙’과 ‘ESD 검정’은 엄밀히 같은 방법이 아닙니다.
목적별 이상값의 의미
💳 카드 부정사용
평소 3만 원을 쓰던 사람이 갑자기 800만 원을 결제한다면? 이상 패턴 자체가 핵심 단서입니다.
🏭 품질관리
평소 규격에서 크게 벗어난 센서값은 불량이나 고장 신호일 수 있습니다.
🏥 환자 이상 증상
드물지만 실제로 발생하는 건강 이상을 검토할 때 중요한 관측치일 수 있습니다.
4컷 개념 만화 · “모두와 다르다고 지우면?”
01💳💸“갑자기 큰 결제!”
평소 패턴과 다른 사건이 보입니다.
02🗑️🤔“그냥 삭제할까?”
그러면 부정거래 신호까지 사라집니다.
03🔎🛡️“진짜 결제인지 조사해!”
기록과 맥락을 검토합니다.
04🚨✅“이상이 오히려 답이다!”
사기탐지는 이상을 찾는 분석입니다.
THEORY 06 / BINNING
구간화 — 숫자를 그룹으로 묶기
연봉·나이처럼 연속형 값을 일정 범위의 범주로 바꿔서 비교, 설명, 점수화에 활용합니다.
교재 pp.226–227
구간 수를 직접 변경하세요
5개
예를 들어, 연봉을 구간화한다면?
연봉 72→70~99 구간→범주 코드 B
위는 원리를 설명하기 위한 별도의 가상 예입니다. 구간 경계는 분석 목적과 수치의 단위에 맞게 정해야 합니다.
1
동일폭 구간화
전체 값을 같은 폭으로 나누기
2
동일빈도 구간화
비슷한 개수의 관측값이 들어가도록 나누기
3
의사결정나무 기준
목표값의 분리에 유용한 기준으로 나누기
교재 원문에 제시된 연봉 원자료 수치(70~700)와 구간표(20 미만, 20~40 등)는 단위·표현이 일치하는지 확인이 필요합니다. 이 시각화에서는 이해를 위해 원자료 범위를 기준으로 동일폭 구간을 구성했습니다. 또한 5개 구간은 고정 규칙이 아니며 문제 목적에 따라 적절한 개수를 결정합니다.
4컷 개념 만화 · “숫자 친구들 반 나누기”
01🔢🔢“숫자가 제각각이야!”
70, 88, 170, 400처럼 값이 다양합니다.
02📏✂️“범위에 선을 긋자.”
구간 경계를 정합니다.
03🗂️🗂️“같은 구간끼리 모여!”
연속형 숫자가 범주로 바뀝니다.
04📋✅“그룹별로 비교할 수 있어.”
세분화와 점수화가 쉬워집니다.
THEORY 07 / VARIABLE IMPORTANCE
변수 중요도 — 무엇이 예측에 도움 될까?
모형에서 변수가 결과 구분·예측에 얼마나 기여하는지 알아보는 과정입니다. 중요도는 방법과 분석 목적에 따라 달라집니다.
교재 p.227
예시: 여행 만족도 예측하기
아래는 설명용 가상 중요도 예시이며 실증분석 결과가 아닙니다.
서비스 품질
0.84
가격 적절성
0.62
방문 횟수
0.27
주의: 중요한 예측변수라는 뜻이지, 반드시 강한 인과효과가 있다는 뜻은 아닙니다.
교재의 핵심 함수·개념
R
klaR 패키지
분류·판별분석 관련 도구 제공
λ
Wilks' Lambda
집단 내 변동 / 전체 변동을 표현하는 통계량. 통상 값이 작을수록 집단 간 구분이 뚜렷합니다.
→
greedy.wilks()
Wilks' Lambda에 기초하여 전진 선택식으로 변수를 검토하는 함수
Wilks' λ ≈ 집단 내 변동 ÷ 전체 변동
4컷 개념 만화 · “누가 중요한 힌트를 줄까?”
01🎒🔍“만족도를 맞혀 보자.”
여러 설명변수를 준비합니다.
02🚌💰“품질? 가격? 방문 횟수?”
후보 변수의 도움 정도를 비교합니다.
03📊⭐“이 변수가 예측에 유용해.”
모형과 지표로 중요도를 평가합니다.
04🧠⚖️“중요도와 원인은 달라!”
예측력과 인과관계를 구분합니다.
REVIEW / THEORETICAL MAP
이론 전체 연결 그림
EDA에서 데이터를 파악하고, 결측·이상·변수 표현 문제를 다룬 뒤 모형에 활용합니다.
이론 종합 · pp.224–227
시험에서 반복되는 구분
NA
R의 결측값 표기
FALSE
complete.cases()에서 결측이 있는 행
중앙값
상자 안의 선, 평균 아님
이상값
항상 삭제하는 값이 아님
기출 연결
32회 4번9회 5번41회 6번5회 7번11회 8번
이어서 문제를 하나씩 넘기며 풀어 보세요. 각 문항 위에는 관련 이론과 간단한 그림을 배치했습니다.
4컷 요약 만화
01🔎EDA로 탐색!
먼저 전체의 모습을 봅니다.
02❓결측인지 확인!
어떤 칸이 비었는지 찾아냅니다.
03📦이상값을 검토!
이상치 경계와 맥락을 살핍니다.
04🧩잘 설명하도록 준비!
구간화·변수 선택을 적용합니다.
PAST EXAM 04 / 32회 기출
상자그림에서 알 수 없는 것은?
문제 앞의 그림부터 보세요. 중앙값과 평균의 차이를 정확히 구분하면 풀 수 있습니다.
기출 4번 · p.228
관련 이론상자의 선 = 중앙값(Q2)
제공된 텍스트에는 기출 원본 그림이 포함되어 있지 않아, 같은 판별 원리를 보여주는 강의용 예시 그림으로 구성했습니다.
판별 포인트
✅
Q1·Q3 및 중앙값 확인
상자 왼쪽·오른쪽 끝과 상자 내부 선
✅
이상값 후보 확인
수염 밖에 별도로 찍힌 점
❌
평균은 기본값이 아님
상자그림에 표시하지 않았다면 평균의 위치를 알 수 없습니다.
암기: 상자 속 선 = 중앙값 / 평균은 별도 표식이 있어야 보인다.
32회 · 4번이해한 뒤 풀어보기
4. 위의 상자수염 그림을 보고 옳지 않은 것을 고르시오.
보기를 먼저 선택하세요.
정답 ① · 평균의 위치를 알 수 있다 (옳지 않은 설명)
① 오답 지문(정답) 평균은 일반적인 상자그림에 반드시 표시되는 값이 아닙니다. 별도 표식이 없으면 위치를 알 수 없습니다.
②·④ 맞는 설명 중앙값(Q2)은 상자 내부의 선으로 나타납니다. 단, 중앙에 그린다는 것은 좌우의 정확한 물리적 중심이 아니라 상자 내부의 중앙값 위치라는 뜻입니다.
③ 맞는 설명 학습용 그림에서 수염 밖의 붉은 점이 이상값 후보입니다.
기억: box plot = Q1 + 중앙값 + Q3 + 수염 + 이상값 후보. 평균은 기본 요소가 아닙니다.
문제를 기억하는 4컷 만화
01📦🙂“이 선이 뭐지?”
상자 안의 짙은 선을 가리킵니다.
02📏✅“중앙값이지!”
가운데 순서에 놓인 값입니다.
03❓🤔“그럼 평균은 어디?”
그림에서 표시를 찾을 수 없습니다.
04📝🥇“①이 옳지 않아!”
중앙값과 평균을 구분했습니다.
PAST EXAM 05 / 9회 기출
R의 결측값 기호 NA
NA, NaN, Inf, dim은 비슷해 보이지만 전혀 다른 의미입니다.
기출 5번 · p.228
관련 이론네 가지 기호의 차이
표현
의미
예시
NA
결측값
c(10, NA, 20)
NaN
숫자가 아님
0 / 0
Inf
무한대
1 / 0 (R 수치 연산)
dim()
객체 차원 확인
dim(행렬)
x <- c(10, NA, 20)
is.na(x) # FALSE TRUE FALSE
눈으로 구분하기
🕳️
NA
숫자가 빠졌어요.
🧮❌
NaN
숫자로 정의하기 어려워요.
♾️
Inf
무한대를 의미해요.
📐
dim()
행렬의 행·열 크기 등을 알려줘요.
참고: R에서는 is.na(NaN)도 TRUE입니다. 그러나 NA와 NaN의 뜻은 구분해야 합니다.
9회 · 5번기출문제
5. R에서 결측값을 가리키는 것으로 가장 적절한 것은?
보기를 먼저 선택하세요.
정답 ③ · NA
③ NA는 R에서 결측을 나타내는 대표적인 상수입니다.
① Inf는 양·음의 무한대, ② NaN은 연산 결과가 숫자로 정의되지 않는 상황, ④ dim()은 객체의 차원을 반환하는 함수입니다.
암기: NA = Not Available = 값이 없다. 단, NaN도 일부 결측 검사에서 TRUE로 판별됩니다.
문제를 기억하는 4컷 만화
01📋🕳️“숫자가 비었네!”
응답값이 누락되었습니다.
02💻🔤“어떤 기호를 쓸까?”
R의 결측 표시를 찾습니다.
03🤔♾️“무한대는 아니지!”
Inf와 NaN의 의미는 다릅니다.
04✅🅽“정답은 NA, ③!”
결측값의 기본 표시를 기억합니다.
PAST EXAM 06 / 41회 기출
완전사례분석에서 생기는 손실
간단하다고 항상 좋은 방법은 아닙니다. 결측이 많으면 삭제되는 행도 많아집니다.
기출 6번 · pp.228–229
관련 이론완전사례분석 = 행 단위 삭제
결측이 있는 행을 삭제하면, 원래 5개 중 3개만 남는 예시입니다. 삭제비율이 커질수록 정보 손실 위험이 증가합니다.
방법의 장점과 제약
👍
장점: 계산이 쉽다
남은 자료에는 선택한 변수의 결측이 없습니다.
⚠️
제약: 표본 수 감소
추정의 정밀도가 낮아질 수 있습니다.
⚠️
제약: 선택편향 가능
특정 유형의 사람만 빠지면 대표성이 흔들립니다.
핵심: 결측이 많을수록 오히려 삭제 방법의 활용이 어려울 수 있습니다.
41회 · 6번기출문제
6. 결측값 처리 방법 중 완전사례분석(Complete Case Analysis)에 대한 설명으로 적절하지 않은 것은?
보기를 먼저 선택하세요.
정답 ④ · 결측이 많은데도 삭제가 유용하다는 설명은 부적절
①·② 맞는 설명 결측이 하나라도 있는 레코드를 제거하고 나머지로 분석합니다.
③ 대체로 맞는 설명 충분한 자료량이 있고 결측이 적절한 조건을 만족할 때 간편하고 유용할 수 있습니다.
④ 틀린 설명 결측이 많으면 많은 행이 사라져 표본 수가 크게 줄고 중요한 정보가 손실될 수 있습니다. 비무작위 결측이 섞여 있으면 선택편향도 문제가 됩니다.
기억: 쉬운 방법 ≠ 모든 상황에 좋은 방법. 결측 비율과 누락 원인을 먼저 살핍니다.
문제를 기억하는 4컷 만화
01🧑🎓📄“설문이 100장이야!”
처음에는 자료가 충분해 보입니다.
02🕳️🕳️“빈칸이 많네?”
여러 행에 결측이 있습니다.
03✂️😨“절반이 사라졌어!”
완전사례분석은 행을 통째로 제외합니다.
04🧠✅“④번이 문제야.”
결측이 많을 때는 손실이 커집니다.
PAST EXAM 07 / 5회 기출
이상치는 항상 버려야 할까?
이상치라는 판단과 실제 삭제 여부는 서로 다른 문제입니다. 분석 목적이 가장 중요합니다.
기출 7번 · p.229
관련 이론이상치 판단 ≠ 이상치 삭제
의료 이상 반응, 부정사용 탐지, 장비 불량 감지에서는 드문 값이 핵심 연구대상일 수 있습니다.
선지별 연결 이론
①
다른 집단과 거리가 먼 데이터
거리·밀도·군집 기반 이상 탐지가 가능합니다.
②
반드시 제거? → 틀린 단정
실제 발생한 극단 사례일 수도 있습니다.
③
설명변수 대비 비정상적 종속값
회귀모형에서는 잔차가 큰 관측치를 검토합니다.
④
3×표준편차 기준
특정 분포에서 활용되는 경험적 탐지 규칙입니다.
5회 · 7번기출문제
7. 이상치에 대한 설명으로 가장 부적절한 것은?
보기를 먼저 선택하세요.
정답 ② · 이상치는 반드시 삭제하는 것이 아닙니다.
① 군집·거리 기반 탐지는 가능하지만, 어떤 거리 규칙을 썼는지에 따라 판단이 다릅니다.
③ 회귀분석 맥락에서는 설명변수로 예상한 결과에 비해 종속변수 값이 크게 벗어난 경우 큰 잔차가 나타납니다.
④ 평균에서 ±3 표준편차를 넘어선 값을 검토하는 규칙은 일반적인 방법 중 하나입니다. 모든 분포에 통용되는 절대 기준은 아닙니다.
②가 가장 부적절 이상값에는 입력 오류 외에 중요한 실제 사건도 있으므로 삭제 전 의미와 영향을 확인해야 합니다.
암기: 이상값 발견 → 원인 확인 → 유지·수정·대치·제외 여부 결정.
문제를 기억하는 4컷 만화
01🛒💳“평소 2만 원씩 써.”
평소 카드 사용 패턴입니다.
02💸🚨“오늘은 900만 원?!”
갑자기 극단값이 발생했습니다.
03🗑️❌“지우면 안 될 수도 있어.”
사기 징후일 수 있기 때문입니다.
04🛡️✅“따라서 ②가 틀려!”
예외적인 관측이 중요한 정보가 됩니다.
PAST EXAM 08 / 11회 기출
이상값 탐지의 대표 응용: 부정사용 방지
‘보통과 달라진 행동’을 감지하여 위험을 찾는 시스템이 가장 전형적인 예시입니다.
기출 8번 · p.229
관련 이론정상 패턴과 이상 패턴
높은 결제액 하나만으로 부정사용을 확정할 수는 없습니다. 실제 시스템은 시간, 장소, 거래 이력 등의 맥락과 추가 확인을 활용합니다.
네 가지 시스템을 구분하세요
①
장바구니분석
같이 구매하는 상품의 연관규칙을 찾는 방법
②
데이터 마트
분석 목적에 맞춰 데이터를 구성한 저장·활용 체계
③
교차판매
기존 고객에게 관련 상품을 추가 제안
④
부정사용방지
평소와 다른 거래를 찾아 위험을 탐지
11회 · 8번기출문제
8. 이상값 검색을 활용한 응용시스템으로 가장 적절한 것은?
보기를 먼저 선택하세요.
정답 ④ · 부정사용방지 시스템
④ 부정사용방지는 정상 거래와 다른 패턴을 찾아 의심 거래를 선별하므로 이상값 탐지와 직접 관련됩니다.
① 장바구니분석은 ‘빵을 사면 우유도 사는가?’와 같은 상품 동시구매 관계를 찾습니다.
② 데이터 마트는 주제별 분석 데이터를 저장·제공하는 구조 자체이며, ③ 교차판매는 관련 상품 구매를 유도하는 영업 방식입니다.
기억: 이상값 탐지 = 부정거래·불량품·네트워크 침입 등 ‘평소와 다른 패턴’ 탐색.
문제를 기억하는 4컷 만화
01💳🛍️“오늘도 3만 원 결제.”
평상시 사용 패턴입니다.
02💳💥“낯선 곳에서 700만 원?!”
이례적인 거래가 감지됩니다.
03🤖🚨“의심 거래 확인!”
시스템이 확인 절차를 시작합니다.
04🛡️📝“④ 부정사용방지!”
이상값 탐지의 대표 응용입니다.
FINAL REVIEW / 5-MINUTE RECAP
5문제를 한 번에 다시 정리
개념이 연결되어 있으면 선지 표현이 조금 달라져도 판단할 수 있습니다.
마무리 · pp.224–229
기출 정답과 핵심 근거
4
① 평균의 위치
상자그림 기본 표시는 중앙값이지 평균이 아닙니다.
5
③ NA
R에서 대표적인 결측값 기호
6
④ 결측이 많으면 삭제가 유용하다?
표본 손실이 커지므로 부적절
7
② 이상값은 반드시 삭제?
오류 여부와 분석 목적을 먼저 판단
8
④ 부정사용방지 시스템
비정상 거래 패턴을 탐지하는 응용
한 장 요약 — 개념을 연결하기
🔎
EDA
데이터를 보며 패턴과 문제점을 발견
❓
결측값
결측 원인·비율에 따라 삭제/대치 판단
📦
상자그림
Q1–Q3 / IQR / 중앙값 / 이상값 후보
🧩
구간화
연속형 값을 범위별 범주로 변환
🏁
변수 중요도
모형 예측에 기여하는 변수를 검토
직접 점검하기
나의 기출 풀이 현황
답안을 선택하고 확인하면 이곳에 표시됩니다.
가장 중요한 3가지 판단 원칙
1. 보이지 않는 값(평균)은 그림에서 추측하지 않습니다.
2. 결측이 많을수록 단순한 행 삭제의 손실이 커집니다.
3. 이상값은 반드시 오류나 제거 대상인 것은 아닙니다.
“데이터의 문제가 무엇인가?” 다음에 “분석 목적은 무엇인가?”를 물어보세요.
학습을 마치는 4컷 만화
01🧑🎓🔎“데이터를 살펴봤어!”
전체 분포를 이해했습니다.
02📋✅“결측은 함부로 지우지 않아.”
손실과 편향을 함께 생각합니다.
03📦💡“이상치도 정보를 담아.”
중요한 사건일 수 있습니다.
04🎓🏆“근거를 보고 판단하자!”
시험과 실무에 모두 필요한 사고입니다.
참고: 본 교안은 제공하신 교재 발췌 내용을 바탕으로 구성한 2차 학습자료입니다. 각 시각화의 데이터는 표시된 경우를 제외하고 이해를 돕기 위한 가상 예시이며, 교재에 없는 원본 도표는 임의로 복원하지 않았습니다.