문제 최종 검수

선택지1

선택지2

선택지3

선택지4

정답

개념 난이도 / 선택지 난이도 / 최종 난이도

키워드

해설

비기봇 해설

정답은 3번입니다.

데이터마이닝은 대량의 데이터에서 유용한 정보를 추출하고 패턴을 발견하는 과정입니다. 주요 기법으로는 군집분석, 분류분석, 이상탐지, 연관분석 등이 있습니다. 각 기법은 특정한 문제를 해결하기 위해 사용되며, 데이터의 특성과 분석 목적에 따라 적절한 기법을 선택해야 합니다.

1. 군집분석 - 과거 이탈 여부가 표시된 고객 데이터를 학습하여 신규 고객의 이탈 여부를 예측한다
: 군집분석은 데이터 내에서 유사한 특성을 가진 데이터 포인트들을 그룹으로 묶는 기법입니다. 이는 주로 데이터에 대한 사전 정보가 없을 때 사용되며, 정답 범주가 없는 비지도 학습의 일종입니다. 선지1에서는 군집분석을 사용하여 고객의 이탈 여부를 예측한다고 했는데, 이는 분류분석에 해당하는 문제입니다. 따라서 군집분석의 활용 사례로 적절하지 않습니다.

2. 분류분석 - 구매 행동이 유사한 고객들을 정답 범주 없이 여러 집단으로 나눈다.
: 분류분석은 주어진 데이터가 어떤 범주에 속하는지를 예측하는 기법으로, 지도 학습의 일종입니다. 이는 정답이 있는 데이터를 학습하여 새로운 데이터의 범주를 예측하는 데 사용됩니다. 선지2에서는 분류분석을 사용하여 정답 범주 없이 고객을 여러 집단으로 나눈다고 했는데, 이는 군집분석에 해당하는 문제입니다. 따라서 분류분석의 활용 사례로 적절하지 않습니다.

3. 이상탐지 - 일반적인 결제 패턴에서 벗어나는 고액·해외·심야 거래를 탐지한다.
: 이상탐지는 데이터에서 정상 패턴에서 벗어난 이상치를 탐지하는 기법입니다. 이는 주로 사기 탐지, 품질 관리 등에서 사용됩니다. 선지3에서는 일반적인 결제 패턴에서 벗어나는 거래를 탐지한다고 했는데, 이는 이상탐지의 전형적인 활용 사례입니다. 따라서 적절한 연결입니다.

4. 연관분석 - 주택 면적, 위치, 연식 등을 이용하여 주택 가격이라는 연속형 값을 예측한다.
: 연관분석은 데이터 내에서 항목 간의 연관성을 찾는 기법으로, 주로 장바구니 분석에 사용됩니다. 이는 특정 항목이 함께 발생할 확률을 분석합니다. 선지4에서는 주택 가격이라는 연속형 값을 예측한다고 했는데, 이는 회귀분석에 해당하는 문제입니다. 따라서 연관분석의 활용 사례로 적절하지 않습니다.

이상탐지는 비정상적인 패턴을 탐지하는 데 사용되며, 선지3의 사례는 이러한 이상탐지의 전형적인 활용입니다. 나머지 선지들은 각각의 데이터마이닝 기법과 활용 사례가 맞지 않기 때문에 오답입니다. 선지1은 분류분석에 해당하고, 선지2는 군집분석에 해당하며, 선지4는 회귀분석에 해당합니다.

따라서, 정답은 '3. 이상탐지 - 일반적인 결제 패턴에서 벗어나는 고액·해외·심야 거래를 탐지한다.' 입니다.

1. 선택

키워드

해설

정답은 3번입니다.

데이터마이닝 기법은 데이터에서 유용한 정보를 추출하기 위한 다양한 분석 방법을 의미합니다. 군집분석은 정답 범주 없이 데이터를 유사한 특성끼리 그룹화하는 비지도 학습 기법입니다. 분류분석은 과거에 정답이 있는 데이터를 학습하여 새로운 데이터의 범주를 예측하는 지도 학습 기법입니다. 이상탐지는 정상적인 패턴에서 벗어난 이상 데이터를 탐지하는 기법으로 주로 사기 탐지 등에 활용됩니다. 연관분석은 데이터 내 항목 간의 연관 규칙을 찾는 기법으로, 연속형 값을 예측하는 회귀분석과는 다릅니다. 따라서 각 기법과 활용 사례를 정확히 이해하는 것이 중요합니다.

1. 군집분석 - 과거 이탈 여부가 표시된 고객 데이터를 학습하여 신규 고객의 이탈 여부를 예측한다.
: 군집분석은 데이터에 정답 레이블이 없을 때 유사한 특성을 가진 데이터끼리 그룹화하는 기법입니다. 따라서 과거 이탈 여부가 표시된 고객 데이터를 학습하여 신규 고객의 이탈 여부를 예측하는 것은 분류분석에 해당하므로 이 선지는 틀렸습니다.

2. 분류분석 - 구매 행동이 유사한 고객들을 정답 범주 없이 여러 집단으로 나눈다.
: 분류분석은 정답 범주가 있는 데이터를 학습하여 새로운 데이터의 범주를 예측하는 기법입니다. 구매 행동이 유사한 고객들을 정답 범주 없이 여러 집단으로 나누는 것은 군집분석에 해당하므로 이 선지는 틀렸습니다.

3. 이상탐지 - 일반적인 결제 패턴에서 벗어나는 고액·해외·심야 거래를 탐지한다.
: 이상탐지는 정상적인 패턴에서 벗어난 이상 거래나 이상 데이터를 탐지하는 기법입니다. 고액, 해외, 심야 거래와 같이 일반적인 결제 패턴에서 벗어난 거래를 탐지하는 사례는 이상탐지의 대표적인 활용 사례이므로 이 선지는 옳습니다.

4. 연관분석 - 주택 면적, 위치, 연식 등을 이용하여 주택 가격이라는 연속형 값을 예측한다.
: 연관분석은 데이터 내 항목 간의 연관 규칙을 찾는 기법으로, 주로 장바구니 분석 등에 사용됩니다. 주택 면적, 위치, 연식 등을 이용하여 주택 가격이라는 연속형 값을 예측하는 것은 회귀분석에 해당하므로 이 선지는 틀렸습니다.

이상탐지는 정상적인 패턴에서 벗어난 이상 거래를 탐지하는 데 사용되며, 고액·해외·심야 거래 탐지는 대표적인 이상탐지 사례입니다. 1번은 군집분석과 분류분석을 혼동한 사례이고, 2번은 분류분석과 군집분석을 혼동하였으며, 4번은 연관분석과 회귀분석을 혼동한 사례입니다.

따라서 정답은 '3. 이상탐지 - 일반적인 결제 패턴에서 벗어나는 고액·해외·심야 거래를 탐지한다.' 입니다.

2. 선택

키워드

해설

데이터마이닝 기법은 데이터의 특성과 목적에 따라 다양한 방법으로 활용됩니다. 군집분석은 정답 범주가 없는 데이터를 유사성에 따라 여러 집단으로 나누는 비지도 학습 기법입니다. 분류분석은 과거에 정답이 있는 데이터를 학습하여 새로운 데이터의 범주를 예측하는 지도 학습 기법입니다. 이상탐지는 정상 패턴에서 벗어난 이상 데이터를 탐지하는 기법이며, 주로 금융 거래의 이상 행위 탐지 등에 활용됩니다. 연관분석은 데이터 내 항목 간의 연관 규칙을 발견하는 기법으로, 연속형 값을 예측하는 회귀분석과는 다릅니다. 따라서 각 기법과 활용 사례를 정확히 이해하는 것이 중요합니다.

1. 군집분석 - 과거 이탈 여부가 표시된 고객 데이터를 학습하여 신규 고객의 이탈 여부를 예측한다.
군집분석은 정답 범주 없이 데이터의 유사성에 따라 여러 집단으로 나누는 비지도 학습 기법입니다. 그러나 보기의 사례는 과거 이탈 여부가 표시된 고객 데이터를 학습하여 신규 고객의 이탈 여부를 예측하는 것으로, 이는 정답이 있는 데이터를 기반으로 하는 분류분석에 해당합니다. 따라서 군집분석과 맞지 않습니다.

2. 분류분석 - 구매 행동이 유사한 고객들을 정답 범주 없이 여러 집단으로 나눈다.
분류분석은 정답 범주가 있는 데이터를 학습하여 새로운 데이터의 범주를 예측하는 지도 학습 기법입니다. 그러나 보기의 사례는 구매 행동이 유사한 고객들을 정답 범주 없이 여러 집단으로 나누는 것으로, 이는 군집분석의 특성에 부합합니다. 따라서 분류분석과 활용 사례가 맞지 않습니다.

3. 이상탐지 - 일반적인 결제 패턴에서 벗어나는 고액·해외·심야 거래를 탐지한다.
이상탐지는 정상적인 패턴에서 벗어난 이상 데이터를 탐지하는 기법으로, 고액·해외·심야 거래와 같이 일반적인 결제 패턴과 다른 거래를 탐지하는 데 적합합니다. 보기의 사례는 이상탐지 기법의 대표적인 활용 사례로 가장 적절합니다.

4. 연관분석 - 주택 면적, 위치, 연식 등을 이용하여 주택 가격이라는 연속형 값을 예측한다.
연관분석은 데이터 내 항목 간의 연관 규칙을 발견하는 기법으로, 주로 장바구니 분석 등에 활용됩니다. 주택 면적, 위치, 연식 등을 이용하여 주택 가격이라는 연속형 값을 예측하는 것은 회귀분석에 해당하며, 연관분석과는 맞지 않습니다.

보기 중에서 이상탐지 기법과 활용 사례가 가장 적절하게 연결된 것은 3번입니다. 군집분석은 정답 범주 없이 데이터를 유사성에 따라 여러 집단으로 나누는 기법으로, 2번의 사례가 이에 해당합니다. 분류분석은 정답이 있는 데이터를 학습하여 범주를 예측하는 기법으로, 1번의 사례가 이에 해당합니다. 연관분석은 항목 간 연관 규칙을 찾는 기법이며, 4번의 사례는 연속형 값을 예측하는 회귀분석에 해당하므로 부적절합니다. 따라서 3번이 가장 적절한 연결입니다.

따라서 정답은 '3. 이상탐지 - 일반적인 결제 패턴에서 벗어나는 고액·해외·심야 거래를 탐지한다.' 입니다.

3. 선택

키워드

해설

데이터마이닝 기법은 데이터를 분석하여 유용한 정보를 추출하는 다양한 방법을 포함합니다. 군집분석은 레이블이 없는 데이터를 유사성에 따라 여러 집단으로 나누는 비지도 학습 기법입니다. 분류분석은 사전에 정의된 범주를 기준으로 데이터를 분류하는 지도 학습 기법입니다. 이상탐지는 정상적인 패턴에서 벗어난 이상 데이터를 찾아내는 기법으로, 주로 금융 사기 탐지나 이상 거래 감지에 활용됩니다. 연관분석은 데이터 내 항목들 간의 연관 규칙을 찾는 기법이며, 주택 가격 예측과 같이 연속형 값을 예측하는 것은 회귀분석과 같은 다른 기법에 해당합니다. 따라서 각 기법과 활용 사례를 정확히 연결하는 것이 중요합니다.

1. 군집분석 - 과거 이탈 여부가 표시된 고객 데이터를 학습하여 신규 고객의 이탈 여부를 예측한다.
군집분석은 레이블이 없는 데이터를 유사성에 따라 여러 집단으로 나누는 비지도 학습 기법입니다. 따라서 과거 이탈 여부가 표시된 고객 데이터를 학습하여 신규 고객의 이탈 여부를 예측하는 것은 분류분석에 해당하므로 이 선지는 부적절합니다.

2. 분류분석 - 구매 행동이 유사한 고객들을 정답 범주 없이 여러 집단으로 나눈다.
분류분석은 사전에 정의된 범주를 기준으로 데이터를 분류하는 지도 학습 기법입니다. 구매 행동이 유사한 고객들을 정답 범주 없이 여러 집단으로 나누는 것은 군집분석의 특징이므로, 이 선지는 군집분석과 분류분석을 혼동한 잘못된 연결입니다.

3. 이상탐지 - 일반적인 결제 패턴에서 벗어나는 고액·해외·심야 거래를 탐지한다.
이상탐지는 정상적인 패턴에서 벗어난 이상 데이터를 탐지하는 기법으로, 고액·해외·심야 거래와 같은 비정상적인 결제 패턴을 찾아내는 데 적합합니다. 따라서 이 선지는 데이터마이닝 기법과 활용 사례가 가장 적절하게 연결되어 있습니다.

4. 연관분석 - 주택 면적, 위치, 연식 등을 이용하여 주택 가격이라는 연속형 값을 예측한다.
연관분석은 항목 간의 연관 규칙을 찾는 기법으로, 주택 면적, 위치, 연식 등을 이용해 주택 가격이라는 연속형 값을 예측하는 것은 회귀분석과 같은 예측 모델에 해당하므로 이 선지는 부적절합니다.

이상탐지는 정상적인 데이터 패턴에서 벗어난 이상 거래를 탐지하는 데 사용되므로, 고액·해외·심야 거래 탐지 사례와 가장 적절하게 연결됩니다. 군집분석은 레이블 없이 데이터를 여러 집단으로 나누는 기법이며, 분류분석은 레이블이 있는 데이터를 기반으로 분류하는 기법입니다. 연관분석은 항목 간 연관 규칙을 찾는 데 사용되며, 연속형 값 예측과는 다릅니다. 따라서 3번 선지가 올바른 연결입니다.

따라서 정답은 '3. 이상탐지 - 일반적인 결제 패턴에서 벗어나는 고액·해외·심야 거래를 탐지한다.' 입니다.

입력 데이터

수정 가능 범위 확인