문제 최종 검수

BG 빅데이터 탐색 데이터 전처리 데이터 전처리

9911번

문제

보기

입력된 내용이 없습니다.

선택지1

선택지2

선택지3

선택지4

정답

키워드

해설

비기봇 해설

정답은 3번입니다.

분석에 사용되는 독립 변수들이 서로 다른 단위와 범위를 가질 경우, 범위가 큰 변수가 모델 결정에 지배적인 영향을 미칠 수 있습니다. 이를 방지하기 위해 모든 변수의 범위를 동일한 수준으로 맞추는 과정이 필요하며, 특히 거리를 기반으로 하는 알고리즘(KNN, SVM 등)에서는 필수적인 절차입니다.

1. 표준화
: 표준화(Standardization)는 각 데이터 값에서 평균을 빼고 표준편차로 나누어 평균이 (0), 표준편차가 (1)인 표준정규분포 형태로 변환하는 기법입니다. 데이터의 전체 범위를 특정 구간(예: (0)~(1))으로 고정하지 않으며, 이상치가 존재할 때 정규화보다 상대적으로 관대한 특성을 가집니다.

2. 구간화
: 구간화(Binning)는 연속형 변수를 특정 기준에 따라 몇 개의 범주형 구간으로 나누어 변환하는 기법입니다. 이는 수치적 차이의 미세한 변화를 단순화하여 과적합을 방지하거나 비선형적 관계를 표현할 때 사용되지만, 데이터의 범위를 (0)과 (1) 사이로 압축하는 스케일링과는 목적이 다릅니다.

3. 정규화
: 정규화(Normalization), 특히 최소-최대 정규화(Min-Max Scaling)는 데이터의 최솟값을 (0), 최댓값을 (1)로 설정하여 모든 값을 이 범위 내로 변환합니다. 수치 데이터의 단위를 일치시키는 가장 대표적인 방법이며, 문제에서 제시한 '일정 범위(0~1)로 변환'하는 정의에 가장 부합하는 기법입니다.

4. 차원 축소
: 차원 축소(Dimension Reduction)는 데이터가 가진 정보의 손실을 최소화하면서 변수의 개수를 줄이는 기법으로, 주성분 분석(PCA) 등이 대표적입니다. 이는 변수의 값을 특정 범위로 조정하는 스케일링의 개념이 아니라, 고차원 데이터를 저차원으로 투영하여 분석의 복잡도를 낮추는 과정입니다.

정규화(Normalization)는 모든 데이터를 (0)과 (1) 사이의 값으로 압축하여 서로 다른 변수의 크기를 절대적인 기준으로 비교 가능하게 만듭니다. 반면 표준화(Standardization)는 데이터의 분포 중심을 이동시키는 데 목적이 있으며 특정 범위로 값을 제한하지 않습니다.

따라서, 정답은 '3. 정규화'입니다.

1차 검수 상태 :

입력 데이터

문제 최종 검수

수정 가능 범위 확인