정답보다, 고른 이유를 확인하세요.

정답: 2번. 키와 중첩 구조로 내용을 구분하면서 기록 구성이 유연한 반정형 데이터로 볼 수 있다.

반정형 데이터는 키나 태그처럼 내용을 구분하는 구조를 갖추면서도 기록마다 구성이 달라질 수 있습니다. 제시된 JSON은 이 특징에 해당합니다. 정형 여부는 자료의 구조를 보는 관점이고, 정량과 정성은 값이 무엇을 나타내는지 보는 관점입니다. 따라서 문자열이 있다는 이유로 비정형이라고 하거나, JSON이라는 이유로 모든 값을 정량으로 판단하면 두 기준을 혼동합니다.

1. 문제에서는 기록마다 키 구성이 다르다고 했습니다. 모든 기록이 같은 고정 열을 따른다는 설명은 제시된 조건과 맞지 않습니다.
2. 정답입니다. 키와 중첩 구조가 있으면서 구성은 유연하다는 두 조건을 함께 설명합니다.
3. 문자열도 정형 표의 열에 저장할 수 있습니다. 문자와 숫자가 섞였는지는 정형 여부의 기준이 아닙니다.
4. 파일 형식은 값의 측정 의미를 결정하지 않습니다. 숫자로 적힌 식별번호도 양을 측정하는 변수는 아닙니다.

관련 개념: 데이터와 정보의 차이, 숫자 30에 맥락 붙이기 →

개념 확인 자료: IBM 정형 데이터와 비정형 데이터 ↗

정답: 4번. 소설 대여 건수는 늘었지만 전체 대여에서 차지하는 비중은 두 날 모두 60%였다.

첫날 소설 비중은 18/30, 둘째 날은 24/40으로 모두 60%입니다. 소설 건수와 전체 건수의 증가율도 각각 6/18과 10/30으로 같습니다. 따라서 건수가 늘었다는 사실을 비중 증가와 구분해야 합니다. 이 표에는 이용자의 선호 조사나 행사 정보가 없으므로 선호 변화와 증가 원인까지 결론 낼 수 없습니다. 정보는 주어진 자료와 맥락이 뒷받침하는 범위에서 해석합니다.

1. 대여 건수만으로 이용자의 선호 변화를 확정할 수 없습니다. 장르별 비중은 같으며 선호를 직접 측정한 자료도 없습니다.
2. 행사 개최 여부와 영향은 표에 없습니다. 관찰된 증가를 확인되지 않은 원인의 결과로 설명한 선택지입니다.
3. 소설은 6/18, 전체는 10/30만큼 증가했으므로 증가율은 같습니다.
4. 정답입니다. 두 날의 분모를 각각 적용하면 비중은 모두 60%입니다.

관련 개념: 데이터와 정보의 차이, 숫자 30에 맥락 붙이기 →

개념 확인 자료: NIST 정보의 정의와 맥락 ↗

정답: 1번. 학습 시간 열의 단위는 분이며, 빈칸은 미응답을 뜻한다는 열 정의서

메타데이터는 데이터의 구조나 내용 특성을 설명하는 정보입니다. 열의 단위와 빈칸의 의미를 기록한 정의서는 다른 사람이 관측값을 같은 기준으로 해석하도록 돕습니다. 반면 개별 응답자가 입력한 시간이나 과목은 이 자료에서 분석할 관측값입니다. 메타데이터라는 구분은 역할에 따른 것이며, 특정 파일 형식이나 숫자와 문자열의 차이로 결정하지 않습니다.

1. 정답입니다. 값의 단위와 결측의 의미를 설명하여 데이터 해석에 필요한 규칙을 제공합니다.
2. 45는 응답자가 기록한 관측값입니다. 이 값이 무엇을 뜻하는지 설명하는 단위나 정의와 구분합니다.
3. 과목 이름은 이 설문에서 수집한 범주형 관측값입니다. 문자열이라는 이유로 메타데이터가 되지는 않습니다.
4. 시간의 목록은 분석할 원자료입니다. 자료의 구조나 해석 규칙을 설명하는 문서와 역할이 다릅니다.

관련 개념: 데이터와 정보의 차이, 숫자 30에 맥락 붙이기 →

개념 확인 자료: NIST 메타데이터 정의 ↗

정답: 3번. 형식 유효성은 충족하더라도 실제 사실과 다르므로 정확성 문제가 있다.

유효성은 값이 정한 형식이나 허용 범위를 따르는지를 보고, 정확성은 실제 사실이나 신뢰할 기준 자료와 일치하는지를 봅니다. 10월 13일은 유효한 날짜 형식이지만 원본 대여일과 다르므로 정확성 문제가 남습니다. 빈칸이 없다는 사실은 정확한 값이라는 증거가 아니며, 새 번호를 만드는 행동도 잘못 입력된 날짜를 수정하지 못합니다.

1. 값의 존재는 완전성의 일부 조건과 관련됩니다. 값이 채워져 있다는 사실만으로 정확성까지 보장하지 않습니다.
2. 형식과 범위의 준수는 유효성에 해당합니다. 정확성은 실제 사실과의 일치 여부입니다.
3. 정답입니다. 형식을 만족하는 값도 실제 기록과 다르면 부정확할 수 있습니다.
4. 유일성은 중복 여부를 다루는 관점입니다. 대여 번호 변경은 날짜 오류의 근거 있는 수정이 아닙니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: IBM 데이터 품질 차원 ↗

정답: 3번. 운영일마다 전날 오후 6시까지 확보한 정보로 다음 날 총방문자 수를 예측한다.

구체적인 분석 목표에는 어떤 대상을 언제 가진 정보로 추정하고 어떤 결과를 얻을지 드러나야 합니다. 정답은 운영일이라는 단위, 전날 오후 6시라는 시점, 다음 날 총방문자 수라는 결과를 포함합니다. 실제 목표에 맞춰 방문자 집계 규칙과 평가 방법도 추가해야 합니다. 알고리즘의 복잡도나 사후에 유리한 날짜를 고르는 일은 분석 목적을 대신하지 못합니다.

1. 기법의 복잡도만으로 해결할 대상과 결과가 정해지지 않습니다. 범위도 지나치게 넓습니다.
2. 전날 의사결정에 다음 날 폐관 뒤의 정보를 쓸 수 없습니다. 요구한 예측 시점과 맞지 않습니다.
3. 정답입니다. 분석 단위, 사용할 정보의 시점, 예측할 결과를 함께 정의합니다.
4. 결과를 본 뒤 잘 맞는 날짜만 선택하면 평가와 적용 범위가 왜곡됩니다. 대상을 먼저 정의해야 합니다.

관련 개념: 분석 질문 만들기, 목표를 예측 대상과 시점으로 바꾸기 →

개념 확인 자료: IBM CRISP-DM 업무 이해 ↗

정답: 1번. 초기 자료의 열 의미와 분포를 살피고 누락된 기록의 원인을 조사한다.

데이터 이해 단계에서는 초기 자료를 수집하고 구조, 의미, 분포와 품질을 파악합니다. 중복 처리와 분석용 표 구성은 데이터 준비, 알고리즘 학습은 모델링, 결과 제공과 운영은 전개에 더 직접적으로 해당합니다. 실제 과정은 반복될 수 있지만, 문제에서는 활동의 중심 목적이 자료를 파악하는 일인지, 변환하거나 적용하는 일인지 구분하면 됩니다.

1. 정답입니다. 자료의 상태와 의미를 탐색하여 무엇을 갖고 있는지 이해하는 활동입니다.
2. 이미 확인한 규칙으로 자료를 가공하는 활동이므로 데이터 준비에 더 직접적으로 해당합니다.
3. 자료를 사용해 모형을 학습시키는 활동이므로 모델링에 해당합니다.
4. 분석 결과를 실제 업무에 전달하고 사용하는 절차이므로 전개에 해당합니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: IBM 데이터 이해와 준비 ↗

정답: 4번. 훈련 자료에서 평균과 표준편차를 계산하고 그 기준을 평가 자료에도 그대로 적용한다.

평균과 표준편차처럼 자료에서 계산하는 전처리 기준도 학습 과정의 일부입니다. 훈련 자료에서 정한 기준을 저장하고 최종 평가 자료에는 변환만 적용해야 새로운 자료에 대한 성능을 점검할 수 있습니다. 전체 자료로 기준을 계산하면 평가 정보가 훈련에 섞이고, 평가 자료에서 별도로 기준을 계산하면 훈련 때와 다른 변환 기준을 사용하게 됩니다.

1. 기준을 계산할 때 평가 자료가 참여하므로, 최종 평가를 위해 분리해 둔 정보가 학습 과정에 유입됩니다.
2. 훈련과 평가에 다른 좌표 기준을 사용하게 됩니다. 실제 새 자료에도 훈련 때 저장한 기준을 적용해야 합니다.
3. 최종 평가 자료를 선택 과정에 반복 사용하면 그 자료에 맞춘 선택이 됩니다. 모형 선택용 검증 자료와 최종 평가를 구분합니다.
4. 정답입니다. 기준의 학습은 훈련 자료에서 하고 평가 자료에는 동일한 변환만 적용합니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: scikit-learn 데이터 누출과 전처리 ↗

정답: 2번. 재현율 75%이며, 분모는 실제 스팸 20통이다.

재현율은 실제 양성 전체 가운데 양성으로 찾아낸 비율입니다. 이 문제의 목적은 실제 스팸 중 찾아낸 비율이므로 15/20 = 75%가 해당합니다. 15/25 = 60%는 스팸이라고 예측한 메일 중 실제 스팸의 비율인 정밀도입니다. 정확도에는 전체 메일 수와 음성을 맞힌 수가 필요하므로 제시된 정보만으로 그 값을 계산할 수 없습니다.

1. 75%라는 계산은 재현율입니다. 정밀도의 분모는 실제 스팸이 아니라 스팸으로 예측한 전체입니다.
2. 정답입니다. 실제 양성 20통 중 찾아낸 15통의 비율을 계산합니다.
3. 15/25는 정밀도입니다. 재현율과 정밀도는 분모가 서로 다릅니다.
4. 25통은 전체 평가 자료가 아니라 예측 양성입니다. 정확도는 전체 중 올바르게 분류한 비율입니다.

관련 개념: 정확도·정밀도·재현율, 혼동행렬의 분모부터 읽기 →

개념 확인 자료: scikit-learn 재현율 정의 ↗

정답: 2번. 표본분산은 20/3이다.

표본평균은 (2+4+6+8)/4=5입니다. 편차는 −3, −1, 1, 3이고 제곱합은 9+1+1+9=20입니다. 문제에서 n−1을 분모로 지정했으므로 표본분산은 20/3입니다. 4로 나눈 5는 이 네 값을 전체로 취급한 모집단 분산이며, √(20/3)은 표본표준편차입니다. 분산과 표준편차의 단위도 구분합니다.

1. 20을 자료 개수 4로 나눈 값입니다. 문제에서 지정한 표본분산의 분모 3을 쓰지 않았습니다.
2. 정답입니다. 편차 제곱합 20을 자유도 4−1=3으로 나눴습니다.
3. 편차 제곱합만 구한 값이며 분모로 나누는 과정이 빠졌습니다.
4. 표본분산에 제곱근을 취했으므로 표본표준편차입니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: R 분산과 공분산 문서 ↗

정답: 3번. 확률은 0.45이다.

이미 자료를 내려받았다는 조건이 있으므로 분모는 전체 100명이 아니라 내려받은 40명입니다. 그중 연습문제도 푼 사람은 18명이어서 조건부확률은 18/40=0.45입니다. 18/100은 두 행동을 모두 할 확률이고, 18/30은 연습문제를 푼 사람 중 자료를 내려받았을 확률입니다. 조건의 방향을 바꾸면 분모도 달라집니다.

1. 전체 참가자 중 두 행동을 모두 한 비율입니다. 내려받았다는 조건을 반영하지 않았습니다.
2. 전체 참가자 중 연습문제를 푼 비율이며 조건부확률이 아닙니다.
3. 정답입니다. 조건에 해당하는 40명을 기준으로 18명을 셉니다.
4. 조건을 거꾸로 읽은 18/30입니다. 연습문제를 푼 사람 중 내려받은 비율입니다.

관련 개념: 정확도·정밀도·재현율, 혼동행렬의 분모부터 읽기 →

개념 확인 자료: Penn State 조건부확률 정의 ↗

정답: 1번. 확률은 0.096이다.

독립이고 매번 성공 확률이 같으므로 성공 횟수에 이항분포를 적용합니다. 성공 두 번과 실패 한 번의 한 순서가 나올 확률은 0.2²×0.8=0.032입니다. 실패가 첫째, 둘째, 셋째 중 어디에 오는지에 따라 세 순서가 있으므로 3×0.032=0.096입니다. 적어도 두 번을 묻는다면 세 번 성공할 확률 0.008도 더해야 하지만, 여기서는 정확히 두 번을 묻습니다.

1. 정답입니다. 두 번의 성공 위치를 고르는 3가지 경우를 모두 더한 값입니다.
2. 성공·성공·실패 등 한 가지 순서의 확률만 계산한 값입니다.
3. 세 번 모두 성공할 확률인 0.2³입니다.
4. 두 번 또는 세 번 성공하는 확률입니다. 정확히 두 번이라는 조건과 다릅니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: R 이항분포 확률질량함수 ↗

정답: 4번. 유의수준 0.05에서 귀무가설을 기각하지만, p값은 귀무가설이 참일 확률을 뜻하지 않는다.

p값 0.03은 사전에 정한 유의수준 0.05보다 작으므로 이 검정에서는 귀무가설을 기각합니다. p값은 귀무가설과 검정의 모형을 전제로 현재 결과만큼 또는 더 극단적인 통계량을 관측할 확률입니다. 가설 자체가 참일 확률로 읽지 않습니다. 통계적으로 유의하다는 결과가 효과의 크기를 말해 주지도 않으므로 추정한 차이와 신뢰구간을 함께 확인해야 합니다.

1. p값은 자료에 관한 조건부확률입니다. 귀무가설 자체의 참일 확률로 해석하지 않습니다.
2. 1−p값을 대립가설의 참일 확률로 바꿀 수 없습니다.
3. 유의성과 효과 크기는 다릅니다. 작은 효과도 표본 수 등에 따라 작은 p값을 낼 수 있습니다.
4. 정답입니다. 검정 판단과 p값의 의미를 구분했습니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: 미국통계학회 p값 해석 원칙 ↗

정답: 2번. 참인 귀무가설을 기각했으므로 제1종 오류이다.

제1종 오류는 실제로 참인 귀무가설을 기각하는 경우입니다. 제2종 오류는 실제로 거짓인 귀무가설을 기각하지 못하는 경우이므로 실제 상태와 결정이 모두 다릅니다. 이 문항은 실제로 참이라는 상태를 주었으므로 제1종 오류로 판단합니다. 실제 분석에서는 참인지 모르고 표본으로 판단하므로, 사전에 유의수준을 정해 제1종 오류 위험을 통제합니다.

1. 제2종 오류의 정의는 맞지만 문항의 실제 상태와 검정 결정에 해당하지 않습니다.
2. 정답입니다. 실제로 참인데 기각한 두 조건을 모두 충족합니다.
3. 검정력은 귀무가설이 거짓일 때 기각할 확률입니다. 문항은 실제로 참인 상황입니다.
4. 같은 검정에서 실제 상태가 참이면서 거짓일 수는 없습니다. 여기에는 제1종 오류만 해당합니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: NIST 가설검정과 오류의 정의 ↗

정답: 1번. 선형 관계의 요약값은 0이지만 y=x²라는 비선형 관계는 존재한다.

x의 평균은 0이고, 대칭적인 x값에 같은 y값이 대응해 편차곱의 합이 0이 됩니다. 피어슨 상관계수는 선형 관계를 요약하므로 이 예제에서는 0이지만, 모든 점은 y=x²을 정확히 따릅니다. 상관이 0이라는 사실만으로 관계가 없거나 독립이라고 결론 내릴 수 없습니다. 관계의 모양을 확인하려면 상관계수와 함께 산점도를 읽어야 합니다.

1. 정답입니다. 주어진 자료의 함수 관계와 피어슨 상관계수의 범위를 함께 설명했습니다.
2. 곡선 형태의 관계가 존재합니다. 피어슨 상관계수 하나로 모든 관계를 배제할 수 없습니다.
3. 특정 추가 조건 없이 상관 0에서 독립을 추론할 수 없습니다. 이 예제가 반례입니다.
4. 관측값의 부호가 아니라 평균에서 벗어난 두 편차가 함께 움직이는 양상으로 상관을 계산합니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: NIST 산점도와 선형·비선형 관계 ↗

정답: 3번. 예측값은 24, 증가량은 3이다.

예측식에 x=4를 넣으면 ŷ=12+3×4=24입니다. x가 4에서 5로 바뀌면 예측값은 27이므로 증가량은 3이며, 이것이 이 모형의 기울기입니다. 절편 12는 x=0에서의 모형 예측값이지 x가 한 단위 변할 때의 증가량이 아닙니다. 이 계산은 주어진 모형의 예측을 설명하며, x를 실제로 조작했을 때 y가 반드시 3 증가한다는 인과 주장은 아닙니다.

1. 기울기는 맞지만 x=4의 대입 결과는 12+12=24입니다. 21은 x=3의 예측값입니다.
2. 예측값은 맞지만 12는 절편입니다. 한 단위 증가량은 기울기 3입니다.
3. 정답입니다. 대입 결과와 기울기의 해석이 모두 맞습니다.
4. 절편과 기울기를 먼저 더해 x를 곱한 결과입니다. 주어진 식의 연산 순서와 다릅니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: NIST 최소제곱 선형회귀 ↗

정답: 4번. 복잡한 모델의 과적합 가능성을 점검하고 검증 기준으로 선택한 뒤 별도의 테스트 자료로 최종 평가한다.

복잡한 모델은 훈련 자료를 더 잘 맞히지만 검증 정확도는 85%에서 70%로 낮아졌습니다. 훈련 자료에 지나치게 맞춘 과적합을 의심할 수 있는 양상입니다. 이 결과만으로 원인을 하나로 확정하지 말고 자료와 설정도 점검합니다. 검증 점수를 반복해서 보고 모델을 선택했다면 그 선택에 사용하지 않은 테스트 자료로 최종 성능을 평가해야 합니다.

1. 훈련 점수는 이미 학습한 자료에 대한 결과입니다. 새로운 자료의 성능을 단독으로 보장하지 않습니다.
2. 모델 선택에 사용한 검증 점수는 선택 과정의 영향을 받습니다. 최종 평가는 분리합니다.
3. 훈련 성능이 높고 검증 성능이 낮은 격차는 과적합 점검이 필요한 양상입니다.
4. 정답입니다. 과적합 징후를 확인하고 선택용 검증 자료와 최종 평가 자료를 구분했습니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: scikit-learn 검증 곡선과 과적합 ↗

정답: 1번. 정밀도는 75%, 재현율은 60%이다.

정밀도는 양성으로 예측한 것 중 실제 양성의 비율이므로 18/(18+6)=75%입니다. 재현율은 실제 양성 중 찾아낸 비율이므로 18/(18+12)=60%입니다. 전체 표본은 100개이지만 두 지표 모두 전체 100을 분모로 삼지 않습니다. (18+64)/100=82%는 정확도입니다. 무엇을 양성으로 정했는지와 각 지표의 기준 집합을 먼저 확인합니다.

1. 정답입니다. 예측 양성 24개와 실제 양성 30개를 각각 분모로 사용했습니다.
2. 정밀도와 재현율의 분모를 서로 바꿨습니다.
3. TP를 전체 100개로 나눈 값입니다. 정밀도와 재현율의 정의에 맞지 않습니다.
4. 82%는 정확도이고, 75%는 정밀도입니다. 요청한 두 지표와 다릅니다.

관련 개념: 정확도·정밀도·재현율, 혼동행렬의 분모부터 읽기 →

개념 확인 자료: scikit-learn 정밀도와 재현율 공식 ↗

정답: 3번. F1은 0.4이다.

F1은 정밀도와 재현율의 조화평균이므로 2×1×0.25/(1+0.25)=0.5/1.25=0.4입니다. 두 지표를 더해 2로 나누는 산술평균 0.625와 구분해야 합니다. 정밀도가 1이어도 재현율이 낮으면 실제 양성 중 많은 수를 놓칠 수 있습니다. F1은 두 지표를 함께 요약하지만 모든 오류 비용이나 진음성의 분류 성능까지 반영하는 값은 아닙니다.

1. 주어진 재현율을 그대로 사용한 값입니다. 조화평균을 계산하지 않았습니다.
2. (1+0.25)/2로 구한 산술평균입니다. F1의 계산식과 다릅니다.
3. 정답입니다. 2×정밀도×재현율을 두 지표의 합으로 나눴습니다.
4. 1/(1+0.25)=0.8과 같은 계산은 F1의 분자를 잘못 사용한 것입니다.

관련 개념: 정확도·정밀도·재현율, 혼동행렬의 분모부터 읽기 →

개념 확인 자료: scikit-learn F1 점수 정의 ↗

정답: 2번. 중심은 2와 8이고, 제곱합은 4이다.

A의 중심은 (1+3)/2=2이고 B의 중심은 (7+9)/2=8입니다. 각 점에서 자기 군집 중심까지 제곱거리를 더하면 (1−2)²+(3−2)²+(7−8)²+(9−8)²=4입니다. 한 군집의 제곱합 2를 전체 값으로 혼동하지 않습니다. K-means는 이러한 군집 내 제곱합을 줄이려는 방법이며, 중심은 관측값 중 하나일 필요가 없습니다.

1. 중심은 맞지만 제곱합 2는 한 군집의 값입니다. 두 군집의 값을 모두 더해야 합니다.
2. 정답입니다. 두 평균과 네 점의 중심까지 제곱거리를 올바르게 계산했습니다.
3. 4와 16은 각 군집 값의 합입니다. 중심을 구하려면 군집 크기 2로 나눠야 합니다.
4. 5는 전체 자료의 평균입니다. 주어진 두 군집의 중심을 따로 구하지 않았습니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: scikit-learn K-means 군집분석 ↗

정답: 4번. 실루엣 계수는 0.4이다.

실루엣 계수는 (b−a)/max(a,b)로 계산합니다. 여기에 a=3, b=5를 넣으면 (5−3)/5=0.4입니다. 분모는 a나 a+b가 아니라 두 값 중 큰 값입니다. b는 다른 군집 중심까지의 거리가 아니라 다른 각 군집 구성원까지 평균 거리 중 최솟값입니다. 양수라는 결과는 이 거리 기준에서 자기 군집이 더 가깝다는 신호이며 군집의 실무적 의미를 보장하지는 않습니다.

1. 분모를 a=3으로 선택한 결과입니다. 공식은 max(a,b)=5를 사용합니다.
2. (b−a)/(a+b)로 계산한 결과입니다. 두 거리의 합을 분모로 쓰지 않습니다.
3. 분자를 a−b로 바꿔 부호가 반대가 됐습니다. 공식의 분자는 b−a입니다.
4. 정답입니다. (5−3)/5=0.4입니다.

관련 개념 노트는 학습 순서에서 순차 공개됩니다. →

개념 확인 자료: scikit-learn 실루엣 계수 정의 ↗