ADsP 데이터분석 준전문가 34회 필기 기출문제 48문항입니다. 먼저 아래 출제 분석으로 회차의 난이도와 단원 구성을 확인한 뒤, 문제마다 정답 · 해설 보기를 눌러 정답과 해설을 확인하세요.
34회 출제 분석
이 회차는 아직 회원 풀이 기록이 충분하지 않아 정답률을 표시하지 않습니다. 아래는 과목 구성과 문항 정보입니다.
많이 나온 단원은 데이터 이해: 빅데이터의 가치와 위기 5문항, 데이터베이스 활용 2문항 / 데이터 분석 기획: 분석 방법론 4문항, 마스터 플랜·거버넌스 3문항 / 데이터 분석: 정형 데이터 마이닝 15문항, 통계 분석 9문항입니다.
과목
문항
단원 분포
데이터 이해
10
빅데이터의 가치와 위기 5 · 데이터베이스 활용 2 · 데이터와 정보 2 · 데이터 사이언스·인재 1
데이터 분석 기획
10
분석 방법론 4 · 마스터 플랜·거버넌스 3 · 분석 기획 기본 2 · 분석 과제 발굴 1
데이터 분석
28
정형 데이터 마이닝 15 · 통계 분석 9 · 시계열·차원 축소 4
회원 정답률은 패스뱅크 회원이 문제풀이·모의고사에서 실제로 푼 기록을 집계한 값입니다. 문제 하나는 풀이 10건, 과목·단원·회차 묶음은 50건 이상일 때만 표시합니다. 단원은 문제 문장의 핵심 용어로 패스뱅크가 자동 분류한 것이라 공식 출제 기준표의 단원과 다를 수 있습니다.
데이터 이해
문제 1
단원 빅데이터의 가치와 위기
다음 중 빅데이터 시대의 위기요인과 사례가 아닌 것은?
①사생활 침해-개인정보를 동의 없이 수집하여 맞춤형 광고 제작
②책임 원칙 훼손-특정 집단에 소속되어 있다는 이유로 부당한 직원 해고
③책임 원칙 훼손-특정성향의 직원에 대한 채용거부
④데이터 오용-상업적목적으로 데이터 크롤링 하여 개인정보 수집
정답 · 해설 보기
정답 ④
빅데이터 시대의 위기요인은 사생활 침해, 책임 원칙 훼손, 데이터 오용입니다. 데이터 오용은 데이터나 분석 결과를 과신하거나 잘못 해석해 잘못된 결정을 내리는 경우를 말합니다. 상업적 목적으로 크롤링해 개인정보를 수집하는 일은 개인정보를 동의 없이 가져가는 사생활 침해 사례이므로 데이터 오용과 짝지은 것이 틀렸습니다. 동의 없는 맞춤형 광고는 사생활 침해, 소속 집단이나 성향만으로 해고·채용거부를 하는 것은 책임 원칙 훼손에 맞습니다. 시험 포인트: 데이터 오용 = 분석 결과 과신·잘못된 해석, 무단 개인정보 수집 = 사생활 침해
문제 2
단원 빅데이터의 가치와 위기
다음 중 빅데이터 분석의 특성에 대한 설명으로 옳지 않은 것은?
①데이터가 방대하다고 무조건 더 좋은 가치를 창출하는 것은 아니다
②데이터 크기가 커질수록 더 많은 분석을 수행하는 것이 경쟁우위 확보의 원천이다
③분석적 방법과 성과에 대한 이해부족은 빅데이터 과제에 대한 걸림돌이다
④비즈니스의 핵심에 더욱 객관적이고 통찰력 있는 데이터를 추출하는 것이 중요하다
정답 · 해설 보기
정답 ②
빅데이터 분석에서는 데이터의 양보다 비즈니스 핵심에 맞는 통찰을 끌어내는 것이 중요합니다. 데이터가 크다고 분석을 많이 하는 것이 곧 경쟁우위가 되지는 않으므로 데이터 크기가 커질수록 더 많은 분석을 하는 것이 경쟁우위의 원천이라는 설명이 틀렸습니다. 데이터가 방대하다고 무조건 가치가 커지지 않는다는 점, 분석 방법과 성과에 대한 이해 부족이 걸림돌이라는 점, 객관적이고 통찰력 있는 데이터 추출이 중요하다는 점은 모두 옳습니다. 시험 포인트: 빅데이터 경쟁우위 = 양이 아니라 통찰과 가치 창출
문제 3
단원 빅데이터의 가치와 위기
다음 중 빅데이터의 가치측정이 어려운 이유가 아닌 것은?
①데이터 재사용이 일반화되어 특정데이터를 언제 누가 사용하였는지 알기 힘들다
②빅데이터는 기존에 존재하지 않던 가치를 창출한다
③빅데이터 전문 인력의 증가로 다양한 곳에서 빅데이터가 활용되고 있다
④데이터 분석기술의 발전으로 과거에는 분석할 수 없었던 데이터도 분석할 수 있게 되었다
정답 · 해설 보기
정답 ③
빅데이터의 가치 측정이 어려운 이유는 데이터 활용 방식의 다양화(재사용·재조합으로 누가 언제 썼는지 알기 어려움), 새로운 가치 창출(기존에 없던 가치), 분석 기술의 발전(과거에 쓸모없던 데이터도 분석 가능)입니다. 빅데이터 전문 인력의 증가로 활용처가 늘었다는 것은 가치 측정을 어렵게 하는 이유로 꼽히지 않습니다. 나머지 설명은 세 가지 이유에 각각 해당합니다. 시험 포인트: 가치 측정 어려움 = 활용 방식 다양화·새로운 가치 창출·분석 기술 발전
문제 4
단원 데이터와 정보
다음 중 분석 과제 정의서에 필수적으로 포함되야 할 항목이 아닌 것은?
①필요 소스 데이터/ 분석 정의
②데이터 입수 난이도
③분석 수행주기
④상세 분석 알고리즘
정답 · 해설 보기
정답 ④
분석 과제 정의서에는 필요한 소스 데이터, 분석 방법, 데이터 입수 및 분석의 난이도, 분석 수행 주기, 분석 결과에 대한 검증 오너십, 상세 분석 과정 등이 들어갑니다. 정의서는 과제의 방향과 범위를 정하는 문서라 상세 분석 알고리즘까지 미리 확정해 적는 항목은 필수가 아닙니다. 소스 데이터와 분석 정의, 데이터 입수 난이도, 분석 수행주기는 모두 정의서에 포함되는 항목입니다. 시험 포인트: 분석 과제 정의서 = 소스 데이터·분석 방법·난이도·수행 주기·검증 오너십
문제 5
단원 데이터 사이언스·인재
다음 중 데이터 사이언스에 대한 설명으로 올바르지 않은 것은?
①데이터에서 의미 있는 정보를 찾는 학문이다
②주로 분석 정확성에 초점을 맞춰 수행한다
③정형 데이터 뿐만 아니라 다양한 유형의 데이터를 활용한다
④기존의 통계학과는 달리 총체적 접근법을 사용한다
정답 · 해설 보기
정답 ②
데이터 사이언스는 데이터에서 의미 있는 정보를 추출하는 학문으로, 정형뿐 아니라 비정형·반정형 데이터까지 다룹니다. 분석의 정확성만 보는 통계학과 달리 분석 결과의 전달, 비즈니스 활용까지 아우르는 총체적 접근을 합니다. 그래서 주로 분석 정확성에 초점을 맞춘다는 설명이 틀렸습니다. 의미 있는 정보를 찾는 학문, 다양한 유형의 데이터 활용, 총체적 접근법이라는 설명은 옳습니다. 시험 포인트: 데이터 사이언스 = 총체적 접근, 정확성만 보는 것은 통계학적 관점
문제 6
단원 데이터베이스 활용
DBMS에 대한 설명이 옳지 않은 것은?
①데이터베이스 관리로 모든 데이터 문제를 해결 할 수 있다
②우리나라에서 일반적으로 많이 사용되는 데이터베이스 관리 시스템은 관계형 DBMS다
③사용자들이 동시에 트랜잭션 하는 경우에도 즉각적으로 결과값을 확인할 수 있다
④계정을 가진 모든 사용자가 접근이 가능하다
정답 · 해설 보기
정답 ①
DBMS는 데이터베이스를 정의·조작·관리하는 소프트웨어로, 국내에서는 관계형 DBMS가 가장 널리 쓰입니다. 여러 사용자가 동시에 트랜잭션을 처리해도 결과를 즉시 확인할 수 있도록 동시성 제어를 지원합니다. 다만 데이터베이스 관리만으로 데이터 품질, 분석, 활용상의 모든 문제가 해결되지는 않으므로 모든 데이터 문제를 해결할 수 있다는 설명이 틀렸습니다. 시험 포인트: DBMS = 데이터 관리 도구일 뿐 만능 해결책이 아님, 국내 주류는 관계형
문제 7
단원 데이터베이스 활용
다음 중 데이터베이스 활용 관련 내용으로 틀린 것은?
①데이터웨어하우스는 저장 수단이고 데이터 마트는 소비자에게 제공하는 수단이다
②데이터 마트는 특정 조직이나 부서의 사람들 뿐만 아니라 모든 사람이 사용할 수 있다
③데이터 마트는 데이터웨어하우스로 부터 특정 주제, 부서 중심으로 구축된 소규모 단일 주제 데이터웨어하우스이다
④데이터웨어하우스는 다양한 운영 시스템에서 추출, 변환, 통합되고 요약된 데이터베이스이다
정답 · 해설 보기
정답 ②
데이터웨어하우스는 여러 운영 시스템의 데이터를 추출·변환·통합·요약해 저장하는 수단이고, 데이터 마트는 웨어하우스에서 특정 주제나 부서 중심으로 떼어 낸 소규모 단일 주제 웨어하우스입니다. 데이터 마트는 특정 조직이나 부서의 사용자를 위해 만든 것이므로 모든 사람이 사용할 수 있다는 설명이 틀렸습니다. 웨어하우스는 저장 수단, 마트는 소비자 제공 수단이라는 설명은 옳습니다. 시험 포인트: 데이터 마트 = 특정 부서·주제용 소규모 웨어하우스
문제 8
단원 빅데이터의 가치와 위기
빅데이터 전략 도출을 위한 가치기반 분석에 대한 내용으로 옳지 않은 것은?
①일차적 분석만으로 해당 부서 및 업무에 효과가 없다
②빅데이터는 가치창출이 가능해야 하고, 그 시점이 빠를수록 좋다
③빅데이터의 걸림돌은 분석적 방법과 성과에 대한 이해부족이다.
④기업의 핵심 가치와 관련해 전략적 통찰력을 가져다 주는 데이터 분석을 내재화 하는 것이 어렵다
정답 · 해설 보기
정답 ①
가치기반 분석에서는 빅데이터가 가치를 창출할 수 있어야 하고 그 시점이 빠를수록 좋습니다. 일차적 분석도 해당 부서와 업무에는 효과가 있지만, 그 범위를 넘어 전략적 통찰로 확장해야 한다는 것이 핵심입니다. 그래서 일차적 분석만으로는 해당 부서와 업무에 효과가 없다는 설명이 틀렸습니다. 분석 방법과 성과에 대한 이해 부족이 걸림돌이라는 점, 전략적 통찰을 주는 분석의 내재화가 어렵다는 점은 옳습니다. 시험 포인트: 일차적 분석도 부서 단위 효과는 있음, 전략적 통찰로 확장 필요
문제 39
단원 데이터와 정보
데이터의 가공 및 상관관계 간 이해를 통해 패턴을 인식하고 그 의미를 부여한 데이터를 무엇이라 하는가?
정답 · 해설 보기
정답 정보 (단답형)
정답은 정보(Information)입니다. 데이터를 가공하고 상관관계를 이해해 패턴을 인식하고 의미를 부여한 것이 정보입니다. DIKW 피라미드에서 데이터는 가공 전 객관적 사실, 정보는 의미가 부여된 데이터, 지식은 정보를 구조화해 고유한 지식으로 내재화한 것, 지혜는 지식을 바탕으로 한 창의적 아이디어입니다. 시험 포인트: DIKW = 데이터 → 정보(패턴·의미) → 지식(내재화) → 지혜(창의적 아이디어)
문제 40
단원 빅데이터의 가치와 위기
인터넷으로 연결된 기계마다 통신 장치를 갖추고 있는 환경에서 사람 또는 기계끼리 자동으로 통신하는 기술로써 사물과 사람, 사물과 사물 간의 정보를 상호 소통하는 방식을 무엇이라 하는가?
정답 · 해설 보기
정답 IoT (단답형)
정답은 IoT(사물인터넷, Internet of Things)입니다. 인터넷으로 연결된 사물마다 통신 장치를 갖추고 사물과 사람, 사물과 사물이 정보를 주고받는 환경을 말합니다. 비슷한 용어인 M2M(Machine to Machine)은 기계와 기계 사이의 통신에 초점을 둔 개념이고, IoT는 사람과 사물까지 포함해 인터넷으로 연결된 더 넓은 개념입니다. 시험 포인트: IoT = 사물·사람 간 인터넷 연결, M2M = 기계 간 통신
데이터 분석 기획
문제 9
단원 분석 기획 기본
데이터 분석과제에서 분석 프로젝트 관리에 대한 설명 중 틀린 것은?
①분석 과제는 분석 전문가의 상상력을 요구하므로 일정을 제한하는 일정계획은 적절하지 못하다
②분석 과제는 적용되는 알고리즘에 따라 범위가 변할 수 있어 범위관리가 중요하다.
③분석 과제에서 다양한 데이터를 확보하는 경우가 있어 조달관리 또한 중요하다.
④분석 과제에는 많은 위험이 있어 사전에 위험을 식별하고 대응방안을 수립해야 한다.
정답 · 해설 보기
정답 ①
분석 프로젝트는 데이터, 알고리즘, 결과 활용에 따라 범위가 바뀌기 쉬워 범위관리가 중요하고, 외부 데이터를 사들이는 경우가 있어 조달관리도 필요하며, 위험을 미리 식별하고 대응 방안을 세워야 합니다. 분석은 반복 작업이 많아 일정이 늘어지기 쉬우므로 오히려 일정을 제한하는 계획(타임박싱)이 필요합니다. 그래서 일정을 제한하는 계획이 적절하지 않다는 설명이 틀렸습니다. 시험 포인트: 분석 프로젝트 일정관리 = 타임박싱으로 일정 제한
문제 10
단원 마스터 플랜·거버넌스
분석준비도의 분석업무파악 영역이 아닌 것은?
①업무별 적합한 분석기법 사용
②최적화 분석 업무
③발생한 사실 분석 업무
④예측 분석 업무
정답 · 해설 보기
정답 ①
분석 준비도의 분석 업무 파악 영역은 발생한 사실 분석 업무, 예측 분석 업무, 시뮬레이션 분석 업무, 최적화 분석 업무, 분석 업무 정기적 개선으로 구성됩니다. 업무별 적합한 분석기법 사용은 분석 기법 영역의 항목이므로 분석 업무 파악 영역이 아닙니다. 최적화, 발생한 사실, 예측 분석 업무는 모두 분석 업무 파악 영역에 속합니다. 시험 포인트: 분석 준비도 6영역 = 분석 업무·인력 및 조직·분석 기법·분석 데이터·분석 문화·IT 인프라
문제 11
단원 마스터 플랜·거버넌스
분석 마스터 플랜에 대한 내용으로 틀린 것은?
①전체 과정을 순환적이고 반복적인 단계로 작성한다
②분석 과제의 적용 범위 및 방식에 대해서도 종합적으로 고려하여 결정한다
③일반적인 IT 프로젝트의 우선순위로는 전략적 중요도와 실행 용이성이 있다.
④분석 마스터 플랜의 순서는 중장기 마스터 플랜 수립 – 단기적인 세부 이행계획 수립 – 과제별 우선순위 설정 순서이다.
정답 · 해설 보기
정답 ①
분석 마스터 플랜은 분석 과제를 도출한 뒤 전략적 중요도, 실행 용이성 등을 기준으로 우선순위를 정하고, 적용 범위와 방식을 함께 고려해 단계적 구현 로드맵을 세우는 중장기 계획입니다. 순환적이고 반복적인 단계로 작성한다는 것은 마스터 플랜 수립 방식이 아니므로 정답으로 처리되었습니다. 다만 중장기 계획 수립을 먼저 하고 우선순위 설정을 나중에 한다는 순서 설명도 통상 순서와 반대라 틀린 설명으로 볼 여지가 있습니다. 시험 포인트: 마스터 플랜 = 우선순위 설정 → 단계적 구현 로드맵(중장기)
문제 12
단원 분석 과제 발굴
하향식 접근방법에 대한 설명으로 옳지 않은 것은?
①빠짐없이 문제를 도출하고 식별하는 것이 중요하다
②문제를 해결함으로써 발생하는 가치에 중점을 두는 것이 중요하다
③비즈니스 모델 캔버스를 문제 탐색 도구로 활용한다
④분석 유스케이스 활용보다는 새로운 문제 탐색이 우선한다
정답 · 해설 보기
정답 ④
하향식 접근은 문제가 주어진 상태에서 문제 탐색, 문제 정의, 해결방안 탐색, 타당성 검토 순으로 해법을 찾습니다. 문제 탐색 단계에서는 비즈니스 모델 캔버스 등을 활용해 빠짐없이 문제를 도출하고, 해결로 얻는 가치에 중점을 둡니다. 이때 새로운 문제를 처음부터 찾기보다 유사·동종 사례의 분석 유스케이스를 먼저 활용하는 것이 효율적이므로 새로운 문제 탐색이 우선한다는 설명이 틀렸습니다. 시험 포인트: 하향식 문제 탐색 = 분석 유스케이스 활용 우선, 비즈니스 모델 캔버스
문제 13
단원 분석 방법론
CRISP-DM에 대한 내용으로 올바른 것은? 가. 데이터 이해에서 데이터 준비 단계로 갈 수 있다 나. 모델링 단계에서 학습용/테스트용 데이터를 사용해 과소적합을 확인한다 다. 비즈니스 이해, 데이터 이해 간 피드백이 가능하다 라. 평가에서 적합하면 바로 프로젝트 투입이 가능하다
①가, 라
②가, 나, 라
③가, 나, 다
④나, 라
정답 · 해설 보기
정답 ③
CRISP-DM은 비즈니스 이해, 데이터 이해, 데이터 준비, 모델링, 평가, 전개의 6단계로 이루어지며 단계 간 피드백이 가능합니다. 데이터 이해에서 데이터 준비로 넘어가고, 비즈니스 이해와 데이터 이해 사이를 오갈 수 있으며, 모델링 단계에서 학습용·테스트용 데이터로 모델의 적합 문제를 확인합니다. 평가에서 적합하다고 바로 투입하는 것이 아니라 전개 단계에서 전개 계획과 모니터링을 세운 뒤 적용하므로 라는 틀렸습니다. 따라서 가, 나, 다가 옳습니다. 시험 포인트: CRISP-DM 6단계, 평가 다음은 전개(Deployment)
문제 14
단원 분석 방법론
빅데이터 분석 방법론 시스템 구현 단계에 해당하는 것으로 짝지어진 것은?
①설계 및 구현, 시스템 테스트 및 운영
②모델링, 모델 평가 및 검증
③설계 및 구현, 프로젝트 평가 보고
④모델링, 데이터 스토어 설계
정답 · 해설 보기
정답 ①
빅데이터 분석 방법론의 시스템 구현 단계는 분석 결과를 실제 업무에 적용하는 단계로, 설계 및 구현, 시스템 테스트 및 운영 태스크로 구성됩니다. 모델링과 모델 평가 및 검증은 데이터 분석 단계, 프로젝트 평가 보고는 평가 및 전개 단계, 데이터 스토어 설계는 데이터 준비 단계의 태스크입니다. 그래서 설계 및 구현, 시스템 테스트 및 운영의 짝이 정답입니다. 시험 포인트: 5단계 = 분석 기획 → 데이터 준비 → 데이터 분석 → 시스템 구현 → 평가 및 전개
문제 15
단원 분석 방법론
빅데이터 분석 방법론 분석기획시 고려사항으로 틀린 내용은?
①타당성 단계에서 데이터 및 기술적 타당성은 복잡한 문제이기 때문에 다양한 사람들의 의견을 들어보는 것이 중요하다.
②장애요소 사전계획 수립이 필요하다
③분석을 위한 데이터 확보 및 데이터 유형에 대한 분석이 선행되어야 한다
④유사 분석 시나리오 및 솔루션이 있다면 이를 최대한 활용해야 한다
정답 · 해설 보기
정답 ①
분석 기획 시 고려사항은 가용 데이터 확보와 데이터 유형 분석, 적절한 유사 분석 시나리오·솔루션(유스케이스) 활용, 장애요소에 대한 사전 계획 수립의 세 가지입니다. 데이터·기술적 타당성은 하향식 접근의 타당성 검토 단계에서 분석가와 실무자가 함께 따지는 내용으로, 분석 기획 시 고려사항에 들지 않으므로 틀린 내용으로 처리됩니다. 나머지 세 설명은 고려사항에 그대로 해당합니다. 시험 포인트: 분석 기획 고려사항 = 가용 데이터·유스케이스·장애요소 사전 계획
문제 16
단원 분석 기획 기본
분석 프로젝트의 관리 방안에 대한 설명 중 적절하지 않은 것은?
①분석의 활용적인 측면에서는 정확도가 중요하며, 안정적인 측면에서는 정밀도가 중요하다.
②모델을 지속적으로 반복했을 때 편차의 수준을 정확도라고 한다
③난이도에 우선 순위 기준을 놓으면 시급성 높고 난이도 쉬운 과제가 가장 먼저 수행되어야 한다
④시급성이 높고 난이도가 높은 분석과제는 경영진에 의해 조정 가능하다
정답 · 해설 보기
정답 ②
정확도(Accuracy)는 모델 결과가 실제 값에 얼마나 가까운지를, 정밀도(Precision)는 모델을 반복했을 때 결과의 편차가 얼마나 작은지를 뜻합니다. 반복 시 편차의 수준은 정밀도이므로 이를 정확도라고 한 설명이 틀렸습니다. 활용 측면에서는 정확도, 안정성 측면에서는 정밀도가 중요하다는 설명은 옳습니다. 난이도를 우선 기준으로 두면 시급성이 높고 쉬운 과제부터 하고, 시급하지만 어려운 과제는 경영진 판단으로 조정할 수 있습니다. 시험 포인트: 정확도 = 실제값과의 차이, 정밀도 = 반복 시 편차
문제 41
단원 분석 방법론
식별된 비즈니스 문제를 데이터의 문제로 변환하여 정의하는 단계는 무엇인가?
정답 · 해설 보기
정답 문제정의 (단답형)
정답은 문제 정의입니다. 하향식 접근법은 문제 탐색, 문제 정의, 해결방안 탐색, 타당성 검토 순으로 진행하며, 문제 정의 단계에서 앞서 식별한 비즈니스 문제를 데이터의 문제로 바꿉니다. 문제 탐색은 비즈니스 모델 캔버스 등으로 문제를 빠짐없이 찾는 단계이고, 해결방안 탐색은 분석 역량과 기법을 고려해 해결 방법을 찾는 단계입니다. 시험 포인트: 하향식 = 문제 탐색 → 문제 정의(데이터 문제로 변환) → 해결방안 탐색 → 타당성 검토
문제 42
단원 마스터 플랜·거버넌스
전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화된 관리체계를 수립하고 운영을 위한 프레임워크(Framework) 및 저장소(Repository)를 구축하는 것을 말한다. 마스터 데이터(Master Data), 메타 데이터(Meta Data), 데이터 사전(Data Dictionary)은 ( )의 중요한 관리 대상이다.
정답 · 해설 보기
정답 데이터 거버넌스 (단답형)
정답은 데이터 거버넌스(Data Governance)입니다. 전사 차원의 모든 데이터에 대해 정책·지침, 표준화, 운영조직과 책임 등 관리체계를 세우고 이를 운영할 프레임워크와 저장소를 구축하는 것으로, 마스터 데이터, 메타 데이터, 데이터 사전이 주요 관리 대상입니다. 분석 거버넌스는 분석 조직·프로세스·인력 등 분석 체계 전반을 관리하는 개념이라 범위가 다릅니다. 시험 포인트: 데이터 거버넌스 관리 대상 = 마스터 데이터·메타 데이터·데이터 사전
데이터 분석
문제 17
단원 통계 분석
boxplot에 대한 설명으로 적절하지 않은 것은?
①박스플롯의 가운데 중심선은 중앙값을 의미한다.
②다섯개 숫자(최소값, 최대값, 중앙값, 제1사분위수, 제3사분위수)를 확인할 수 있다.
③데이터의 전체적인 분포를 확인할 수 있다.
④이상치를 확인하는 데는 부적절하다.
정답 · 해설 보기
정답 ④
상자그림(boxplot)은 최솟값, 제1사분위수, 중앙값, 제3사분위수, 최댓값의 다섯 숫자 요약으로 분포를 보여 주며, 상자 가운데 선이 중앙값입니다. 사분위범위(IQR)의 1.5배를 벗어난 값을 점으로 따로 표시하기 때문에 이상치를 찾는 데 널리 쓰입니다. 그래서 이상치 확인에 부적절하다는 설명이 틀렸습니다. 시험 포인트: boxplot = 다섯 숫자 요약 + IQR 1.5배 밖 이상치 표시
문제 18
단원 정형 데이터 마이닝
카탈로그 배열, 교차 판매 등의 마케팅을 계획할 때 적절한 데이터마이닝 기법은?
①연관규칙학습
②군집분석
③회귀분석
④분류분석
정답 · 해설 보기
정답 ①
연관규칙학습은 함께 구매되는 품목의 패턴(장바구니 분석)을 찾는 기법이라 카탈로그 배열, 교차 판매, 매장 진열, 묶음 판매 기획에 활용됩니다. 군집분석은 유사한 개체를 묶는 기법, 회귀분석은 연속형 값을 예측하는 기법, 분류분석은 범주를 예측하는 기법으로 교차 판매 계획에 직접 쓰는 기법이 아닙니다. 시험 포인트: 교차 판매·카탈로그 배열 = 연관규칙(장바구니 분석)
문제 19
단원 정형 데이터 마이닝
앙상블 설명으로 옳은 것은?
①대표적인 기법으로 배깅과 부스팅이 있다
②Voting은 서로 같은 여러 개의 알고리즘을 사용한다
③Hard Voting 은 확률의 평균을 구해 높은 것을 선택한다
④RandomForest는 대표적인 부스팅 방식이다
정답 · 해설 보기
정답 ①
앙상블은 여러 모델의 예측을 결합해 성능을 높이는 방법으로 대표 기법이 배깅과 부스팅입니다. Voting은 서로 다른 알고리즘의 결과를 결합하며, Hard Voting은 다수결, 확률 평균으로 정하는 것은 Soft Voting입니다. 랜덤 포레스트는 배깅에 변수 무작위 선택을 더한 배깅 계열 기법이라 부스팅 방식이 아닙니다. 시험 포인트: Hard Voting = 다수결, Soft Voting = 확률 평균, 랜덤 포레스트 = 배깅 계열
문제 20
단원 정형 데이터 마이닝
apriori 알고리즘의 분석절차로 맞는 것은? (가) 최소 지지도를 설정한다. (나) 개별 품목들 중에서 최소 지지도를 넘는 모든 품목들을 찾는다. (다) 이전 단계에서 찾은 개별 품목만을 이용하여 최소 지지도를 넘는 두 가지 품목을 찾는다 (라) 이전 단계에서 찾은 품목의 집합을 결합하여 최소 지지도를 세 가지 품목의 집합을 찾는다. (마) 반복적으로 수행하여 최소 지지도가 넘는 반발품목을 찾는다.
①(가)-(마)-(다)-(나)-(라)
②(가)-(나)-(다)-(라)-(마)
③(가)-(마)-(라)-(나)-(다)
④(나)-(가)-(다)-(마)-(라)
정답 · 해설 보기
정답 ②
Apriori 알고리즘은 최소 지지도를 정한 뒤, 이를 넘는 개별 품목을 찾고, 그 품목만으로 최소 지지도를 넘는 두 품목 집합을 찾고, 다시 결합해 세 품목 집합을 찾는 과정을 반복해 빈발 품목 집합을 구합니다. 빈발하지 않은 집합의 상위 집합도 빈발하지 않는다는 성질로 후보를 줄이는 것이 핵심입니다. 따라서 (가)-(나)-(다)-(라)-(마) 순서가 맞습니다. 시험 포인트: Apriori = 최소 지지도 설정 → 1항목 → 2항목 → 3항목 → 반복
문제 21
단원 정형 데이터 마이닝
다음 오분류표를 사용하여 재현율을 구한 결과는 무엇인가?
오분류표
예측값 TRUE
예측값 FALSE
합계
실제값 TRUE
200
300
500
실제값 FALSE
300
200
500
합계
500
500
1000
①0.15
②0.3
③0.4
④0.55
정답 · 해설 보기
정답 ③
재현율(Recall, 민감도)은 실제 TRUE 가운데 모델이 TRUE로 맞힌 비율로, TP/(TP+FN)입니다. 표에서 실제 TRUE 500건 중 예측 TRUE는 200건(TP), 예측 FALSE는 300건(FN)이므로 재현율은 200/(200+300) = 0.4입니다. 참고로 정밀도는 예측 TRUE 500건 중 TP 200건이라 역시 0.4이고, 정확도는 (200+200)/1000 = 0.4입니다. 시험 포인트: 재현율 = TP/(TP+FN), 정밀도 = TP/(TP+FP)
문제 22
단원 정형 데이터 마이닝
다음 연관 규칙에 대한 설명 중 잘못된 것은?
①비목적성 분석 기법으로 계산이 간편하다
②대표적인 알고리즘으로 Aprior가 있다
③조건 반응으로 표현되는 연관분석의 결과를 이해하기 쉽다
④분석 품목 수가 증가해도 계산은 복잡해지지 않는다
정답 · 해설 보기
정답 ④
연관규칙은 목적변수 없이 품목 간 관계를 찾는 비목적성(비지도) 기법이며, 조건-결과 형태라 결과를 이해하기 쉽고 계산이 간편하며 대표 알고리즘은 Apriori입니다. 하지만 품목 수가 늘면 조합 수가 기하급수적으로 늘어나 계산량이 크게 증가합니다. 그래서 품목 수가 증가해도 계산이 복잡해지지 않는다는 설명이 틀렸습니다. 시험 포인트: 연관규칙 단점 = 품목 수 증가 시 계산량 폭증, 희소 품목 규칙 발견 어려움
문제 23
단원 통계 분석
잔차의 정규성 검토에 대한 설명 중 옳지 않은 것은?
①Q-Q plot으로 대략적인 확인이 가능하다
②잔차의 히스토그램이나 산점도를 그래서 정규성 문제를 검토하기도 한다
③정규성을 검정하는 방법으로 Shapiro-Wilk test, Anderson-darling test 등을 이용할 수 있다
④정규성을 만족하지 못할 때 상관계수가 가장 큰 값을 제거한다
정답 · 해설 보기
정답 ④
잔차의 정규성은 Q-Q plot, 히스토그램 같은 그래프로 대략 확인하고, Shapiro-Wilk 검정이나 Anderson-Darling 검정 등으로 통계적으로 검정합니다. 정규성을 만족하지 못하면 변수 변환(로그, 제곱근 등)이나 다른 모형을 검토하는 것이 일반적이며, 상관계수가 가장 큰 값을 제거하는 것은 정규성 해결 방법이 아닙니다. 그래서 이 설명이 옳지 않습니다. 시험 포인트: 정규성 확인 = Q-Q plot·Shapiro-Wilk, 미충족 시 변수 변환
문제 24
단원 통계 분석
777개 대학을 대상으로 졸업률이 비용과 관련 있는가를 회귀분석한 결과이다. 잘못 해석한 것은 무엇인가? 등록금(Outstate), 기숙사비용(Room.board), Personal(개인비용지출)
Residual standard error: 13.97 on 773 degrees of freedom Multiple R-squared: 0.3415, Adjusted R-squared: 0.339 F-statistic: 133.6 on 3 and 773 DF, p-value: < 2.2e-16 ```
①등록금이 높아지면 졸업률이 높아진다
②개인비용지출이 높아지면 졸업률이 낮아진다
③비용과 졸업률 사이의 인과관계를 확인 할 수 있다.
④모든 변수의 회귀계수는 유의미하다
정답 · 해설 보기
정답 ③
세 변수의 회귀계수 p값이 모두 0.05보다 작아 모두 유의하며, Outstate의 계수는 양수라 등록금이 높을수록 졸업률이 높고, Personal의 계수는 음수라 개인비용지출이 높을수록 졸업률이 낮다고 해석합니다. 그러나 회귀분석은 변수 간 관련성을 추정할 뿐 관측자료만으로 인과관계를 증명하지 못합니다. 그래서 비용과 졸업률의 인과관계를 확인할 수 있다는 해석이 잘못되었습니다. 시험 포인트: 회귀계수 유의성 = p값, 회귀분석 결과 ≠ 인과관계
문제 25
단원 정형 데이터 마이닝
의사결정 나무에 대한 설명 중 적절하지 않은 것은?
①비지도 학습으로 상향식 접근 방법을 이용한다.
②구조가 단순하여 해석이 용이하다.
③목표변수가 이산형인 경우 분류나무, 목표변수가 연속형인 경우 회귀나무가 있다.
④부모마디보다 자식마디의 순수도가 증가하도록 분류나무를 형성해 나간다
정답 · 해설 보기
정답 ①
의사결정나무는 목표변수가 있는 지도학습 기법으로, 뿌리마디에서 시작해 자식마디로 나누어 내려가는 하향식 방법을 씁니다. 그래서 비지도 학습이고 상향식이라는 설명이 틀렸습니다. 구조가 단순해 해석이 쉽고, 목표변수가 이산형이면 분류나무, 연속형이면 회귀나무이며, 부모마디보다 자식마디의 순수도가 높아지도록 분리한다는 설명은 옳습니다. 시험 포인트: 의사결정나무 = 지도학습·하향식 분리, 순수도 증가 방향
문제 26
단원 정형 데이터 마이닝
아래 인공신경망 활성함수는 무엇인가?
$\dfrac{1}{1+e^{-x}}$
①부호함수
②계단함수
③시그모이드
④소프트맥스
정답 · 해설 보기
정답 ③
1/(1+e^(-x)) 형태의 함수는 시그모이드 함수로, 입력을 0과 1 사이의 연속적인 값으로 바꿔 주어 로지스틱 회귀와 이진 분류 출력층에 쓰입니다. 계단함수와 부호함수는 임계값을 기준으로 0/1이나 -1/1처럼 불연속 값을 내고, 소프트맥스는 여러 클래스의 출력을 합이 1인 확률로 바꾸는 다중 분류용 함수입니다. 시험 포인트: 시그모이드 = 0~1 출력(이진 분류), 소프트맥스 = 다중 분류 확률
문제 27
단원 통계 분석
모수의 새로운 가설을 옳다고 판단할 수 있는지 표본 통계량 평가 판단과정을 설명하는 용어 중 적절한 것은?
①점추정
②구간추정
③가설검정
④연구가설
정답 · 해설 보기
정답 ③
가설검정은 모집단 모수에 대한 새로운 가설(대립가설)을 세우고, 표본에서 구한 통계량을 근거로 그 가설이 옳다고 판단할 수 있는지를 평가하는 과정입니다. 점추정은 모수를 하나의 값으로 추정하는 것, 구간추정은 모수가 포함될 범위를 신뢰수준과 함께 추정하는 것입니다. 연구가설은 연구자가 입증하려는 주장 자체를 말하며 판단 과정을 뜻하지 않습니다. 시험 포인트: 가설검정 = 표본 통계량으로 가설 채택 여부 판단
문제 28
단원 정형 데이터 마이닝
ROC Curve의 이상적 완벽 분류모형의 X축과 Y축 가장 적절한 것은? 단(X값, Y값)
①(0, 0)
②(0, 1)
③(1, 0)
④(1, 1)
정답 · 해설 보기
정답 ②
ROC 곡선은 X축에 거짓 양성률(FPR, 1-특이도), Y축에 참 양성률(TPR, 민감도)을 놓고 그립니다. 완벽한 분류모형은 실제 양성을 모두 맞혀 TPR이 1이고, 음성을 양성으로 잘못 분류하지 않아 FPR이 0이므로 좌측 상단 (0, 1)에 위치합니다. (0, 0)과 (1, 1)은 곡선의 양 끝점이고, (1, 0)은 모두 반대로 분류하는 최악의 지점입니다. 시험 포인트: ROC = X축 FPR·Y축 TPR, 이상적 모형 (0, 1)
문제 29
단원 통계 분석
회귀분석 설명 중 가장 적절하지 못한 것은?
①독립변수와 종속변수의 인과관계가 중요하다
②성별과 같이 두 집단으로 분류된 명목형 자료여도 회귀분석에서 독립변수로 사용할 수 있다
③잔차와 독립변수 간의 상관관계가 없다
④결정계수는 독립변수가 종속변수의 분산을 설명할 수 있는 정도를 나타낸다.
정답 · 해설 보기
정답 ①
회귀분석은 독립변수와 종속변수의 관계를 함수식으로 추정하는 방법으로, 인과관계를 전제하거나 증명하는 분석이 아니라 변수 간 관련성을 설명·예측하는 데 쓰입니다. 그래서 인과관계가 중요하다는 설명이 가장 적절하지 않은 것으로 처리되었습니다. 성별 같은 명목형 자료는 더미변수로 바꿔 독립변수로 쓸 수 있고, 잔차와 독립변수는 상관이 없다고 가정하며, 결정계수는 종속변수 분산 중 모형이 설명하는 비율입니다. 시험 포인트: 회귀분석 = 관련성 추정(인과 증명 아님), 명목형 독립변수는 더미변수
문제 30
단원 시계열·차원 축소
주성분 분석의 내용 중 가장 적절하지 않은 것은?
①회귀분석의 다중공선성 문제 해결을 위해 사용한다
②서로 상관성이 높은 변수를 선형 결합하여 변수를 축소, 해석상 구조적 문제해결을 위해 사용한다
③다변량 데이터의 저차원 그래프 표시 및 이상치 탐색에 사용한다
④원래 변수를 선형결합 할 때 목표변수를 고려할 필요는 없다
정답 · 해설 보기
정답 ④
주성분 분석은 상관성이 높은 변수들을 선형 결합해 서로 독립인 소수의 주성분으로 차원을 줄이는 기법으로, 회귀분석의 다중공선성 해결, 저차원 시각화, 이상치 탐색에 쓰입니다. 시행처 정답은 목표변수를 고려할 필요가 없다는 설명을 적절하지 않은 것으로 보았습니다. 다만 주성분 분석은 목표변수 없이 원래 변수의 분산만으로 결합을 만드는 비지도 기법이라 이 설명도 옳다고 볼 여지가 있습니다. 시험 포인트: 주성분 분석 = 상관 높은 변수의 선형결합으로 차원 축소, 다중공선성 해결
다음 설명에 해당되는 앙상블 기법은? "여러 개의 붓스트랩 자료를 생성하고 각 붓스트랩 자료에 예측 모형을 만든 후 결합하여 최종 예측 모형을 만드는 방법이다."
①배깅(bagging)
②voting
③부스팅(boosting)
④stacking
정답 · 해설 보기
정답 ①
배깅(Bagging, Bootstrap Aggregating)은 원자료에서 같은 크기의 붓스트랩 표본을 여러 개 만들고 각각에 모형을 학습시킨 뒤 결과를 투표나 평균으로 결합하는 앙상블 기법입니다. 부스팅은 잘못 분류된 데이터에 가중치를 주며 모형을 순차적으로 만들고, Voting은 서로 다른 알고리즘의 결과를 결합하며, Stacking은 여러 모형의 예측값을 다시 입력으로 쓰는 메타 모형을 학습합니다. 시험 포인트: 붓스트랩 표본 + 결합 = 배깅, 오분류 가중치 + 순차 학습 = 부스팅
문제 33
단원 시계열·차원 축소
시계열 데이터의 정상성 관련 내용으로 틀린 것은?
①모든 시점에 대해 일정한 평균을 가진다.
②공분산은 단지 시차에만 의존하고 시점 자체에는 의존하지 않는다.
③모든 시점에 대해 일정한 분산을 가진다
④지수평활법은 최근 데이터를 이용하여 미래를 예측하는 방법이다
정답 · 해설 보기
정답 ④
정상 시계열은 모든 시점에서 평균과 분산이 일정하고, 공분산이 시점이 아니라 시차에만 의존합니다. 지수평활법이 최근 데이터에 더 큰 가중치를 주어 미래를 예측하는 방법이라는 설명 자체는 맞지만, 이는 예측 기법에 대한 설명일 뿐 정상성의 조건이 아닙니다. 그래서 정상성 관련 내용으로 틀린 것으로 처리되었습니다. 시험 포인트: 정상성 3조건 = 평균 일정·분산 일정·공분산은 시차에만 의존
문제 34
단원 시계열·차원 축소
다음 64개 변수에 대한 주성분분석의 Scree plot 결과에 대한 해석으로 틀린 것은? "점 64개 1번째 점이 0.12에 근접, 2번째 점이 0.07 근접, 7, 8번째에서 기울기 감소, 나머지 60까지 점은 밀집되게 나열"
①첫 번째 주성분으로 10%이상 설명이 가능하다
②주성분 64개로 100% 분산을 설명할 수 있다
③두 개의 주성분으로 7% 분산을 설명한다
④7, 8번째 성분에서부터 완만한 기울기를 가진다
정답 · 해설 보기
정답 ③
Scree plot에서 첫 번째 주성분의 설명 비율이 약 0.12이므로 10% 이상을 설명하고, 두 번째가 약 0.07이므로 두 주성분의 누적 설명 비율은 약 0.12+0.07 = 19%입니다. 그래서 두 개의 주성분으로 7%를 설명한다는 해석이 틀렸습니다. 변수 64개로 주성분 64개를 모두 쓰면 전체 분산의 100%를 설명하고, 7, 8번째 성분부터 기울기가 완만해진다는 해석은 그림 설명과 맞습니다. 시험 포인트: 주성분 설명력은 누적으로 합산, 주성분 수 = 변수 수일 때 100%
문제 35
단원 정형 데이터 마이닝
kNN에 대한 설명으로 틀린 것은?
①인스턴스 러닝기법이다.
②K값이 클수록 과대적합(overfitting) 문제가 발생한다.
③가까운 것으로 군집하는 것이다
④K는 가까운 이웃의 개수를 의미한다
정답 · 해설 보기
정답 ②
kNN은 새 데이터와 가까운 K개 이웃의 다수결로 범주를 정하는 인스턴스 기반(게으른) 학습입니다. K가 작을수록 소수의 이웃에 민감해 과대적합이 생기고, K가 클수록 경계가 지나치게 매끄러워져 과소적합이 생깁니다. 그래서 K가 클수록 과대적합이 발생한다는 설명이 틀렸습니다. 다만 kNN은 군집이 아니라 이웃 기반 분류라서 가까운 것으로 군집한다는 설명도 엄밀히는 부정확하다는 논란이 있습니다. 시험 포인트: kNN K 작음 → 과대적합, K 큼 → 과소적합
문제 36
단원 정형 데이터 마이닝
군집분석에 대한 설명으로 잘못된 것은?
①형성된 군집에 대해 논리성보다 안정성이 더 중요하다
②비지도학습으로 군집간 분산 최대화, 군집내 분산을 최소화 한다
③집단별 특성이 유사할 경우 안정성이 높다
④유사성을 이용하여 몇 개의 집단으로 그룹화하는 분석이다
정답 · 해설 보기
정답 ①
군집분석은 목표변수 없이 유사성을 기준으로 개체를 묶는 비지도학습으로, 군집 내 분산은 작게, 군집 간 분산은 크게 만드는 것이 목표입니다. 군집 결과는 통계적 안정성뿐 아니라 업무적으로 해석이 되는지(논리성)를 함께 따져야 하며, 의미를 설명할 수 없는 군집은 활용하기 어렵습니다. 그래서 논리성보다 안정성이 더 중요하다는 설명이 잘못되었습니다. 시험 포인트: 군집분석 = 군집 내 분산 최소·군집 간 분산 최대, 결과 해석 가능성 중요
문제 37
단원 통계 분석
회귀 모형을 평가하는 방법으로 옳지 않은 것은?
①모형이 통계적으로 유의미한가?
②모형이 데이터를 잘 적합하는가?
③설명변수와 종속변수가 상관계수가 유의한가?
④선형성, 정상성, 독립성을 만족하는가?
정답 · 해설 보기
정답 ③
회귀모형 평가에서는 F검정으로 모형이 통계적으로 유의한지, 결정계수로 데이터를 잘 적합하는지, 잔차 분석으로 선형성·독립성·등분산성·정규성 같은 가정을 만족하는지 확인합니다. 설명변수와 종속변수의 상관계수 유의성은 회귀모형을 평가하는 항목이 아니며, 회귀에서는 개별 회귀계수의 t검정으로 유의성을 봅니다. 그래서 상관계수 유의성을 평가 방법으로 든 것이 옳지 않습니다. 시험 포인트: 회귀모형 평가 = 모형 유의성(F)·회귀계수 유의성(t)·설명력(R²)·가정 충족
문제 38
단원 통계 분석
상관분석에 대한 설명으로 옳은 것은?
①스피어만 상관계수는 선형관계 파악만 가능하다
②피어슨 상관계수는 서열척도에서 사용한다
③피어슨 상관계수가 0이면 상관관계가 없다
④공분산은 측정단위에 영향을 받지 않는다.
정답 · 해설 보기
정답 ③
피어슨 상관계수는 두 변수의 선형 관계 강도를 나타내므로 0이면 선형 상관관계가 없다고 해석합니다. 엄밀히는 비선형 관계가 남아 있을 수 있지만 시험에서는 상관관계가 없다는 설명을 옳은 것으로 봅니다. 스피어만 상관계수는 순위를 이용해 비선형 단조 관계까지 파악하고, 서열척도에 쓰는 것은 스피어만이며 피어슨은 등간·비율척도에 씁니다. 공분산은 측정 단위에 영향을 받아 표준화한 상관계수로 비교합니다. 시험 포인트: 피어슨 = 등간·비율척도 선형관계, 스피어만 = 서열척도 순위상관
문제 43
단원 정형 데이터 마이닝
데이터 집합으로부터 크기가 같은 표본을 여러 번 단순 임의 복원 추출하여 각 표본에 대해 분류기를 생성한 후 그 결과를 앙상블 하는 방법으로 노드 내 데이터를 자식 노드로 나누는 기준을 정할 때 설명변수의 일부분만을 고려함으로 성능을 높이는 방법을 사용하는 것을 무엇이라 하는가?
정답 · 해설 보기
정답 랜덤 포레스트 (단답형)
정답은 랜덤 포레스트(Random Forest)입니다. 복원 추출한 붓스트랩 표본마다 의사결정나무를 만드는 배깅에, 노드를 나눌 때마다 설명변수의 일부만 무작위로 골라 분리 기준을 찾는 방식을 더해 나무 사이의 상관을 줄이고 성능을 높입니다. 배깅은 모든 변수를 고려해 나무를 만드는 점이 다르고, 부스팅은 오분류 데이터에 가중치를 주며 순차적으로 학습합니다. 시험 포인트: 랜덤 포레스트 = 배깅 + 노드 분리 시 설명변수 무작위 일부 선택
문제 44
단원 정형 데이터 마이닝
여러 개의 앙상블모형 중 붓스트랩 표본을 구성하는 재표본 과정에서 분류가 잘못된 데이터에 더 큰 가중치를 주어 표본을 추출하는 기법은?
정답 · 해설 보기
정답 부스팅 (단답형)
정답은 부스팅(Boosting)입니다. 이전 모형에서 잘못 분류된 데이터에 더 큰 가중치를 주어 다음 표본을 구성하고 모형을 순차적으로 학습시켜 약한 분류기를 강한 분류기로 만드는 기법이며, 대표적으로 AdaBoost가 있습니다. 배깅은 붓스트랩 표본을 독립적으로 뽑아 병렬로 학습한 뒤 결합하므로 가중치를 바꾸지 않는다는 점에서 다릅니다. 시험 포인트: 부스팅 = 오분류 데이터 가중치 증가·순차 학습, 배깅 = 독립 표본·병렬 학습
문제 45
단원 정형 데이터 마이닝
다음이 설명하는 것은 무엇인가? "클러스터 안의 데이터들이 다른 클러스터와 비교해 얼마나 비슷한가를 나타내는 군집분석 타당성 평가지표로 1에 가까울수록 군집화가 잘 되었다고 판단한다."
정답 · 해설 보기
정답 실루엣 계수 (단답형)
정답은 실루엣 계수(Silhouette Coefficient)입니다. 각 데이터가 자기 군집 안의 데이터와는 얼마나 가깝고 가장 가까운 다른 군집과는 얼마나 떨어져 있는지를 비교해 -1에서 1 사이로 나타내며, 1에 가까울수록 군집화가 잘 된 것입니다. 엘보우 기법은 군집 수에 따른 군집 내 제곱합 변화를 보고 적정 군집 수를 정하는 방법이라 용도가 다릅니다. 시험 포인트: 실루엣 계수 = -1~1, 1에 가까울수록 군집화 우수
문제 46
단원 정형 데이터 마이닝
인공신경망 관련 알고리즘 중 다음 설명은 어떤 것을 말하는가? "지도학습에서 신경망을 학습시키는 방법으로, 출력층에서 제시한 값에 대해, 실제 원하는 값으로 학습하는 방법으로 사용되고, 동일 입력층에 대해 원하는 값이 출력되도록 개개의 weight를 조정하는 방법으로 사용되는 알고리즘이다."
정답 · 해설 보기
정답 역전파 알고리즘 (단답형)
정답은 역전파 알고리즘(Backpropagation)입니다. 출력층에서 계산한 출력값과 실제 원하는 값의 오차를 출력층에서 입력층 방향으로 거꾸로 전파하면서 각 연결의 가중치를 조정해 신경망을 학습시키는 지도학습 방법입니다. 순전파는 입력층에서 출력층으로 값을 계산해 나가는 과정이고, 역전파는 그 결과의 오차를 줄이도록 가중치를 고치는 과정입니다. 시험 포인트: 역전파 = 출력 오차를 역방향으로 전파해 가중치 조정
문제 47
단원 통계 분석
모집단에서 표본을 추출하여 모집단의 모수를 추측하는 과정에서 범위가 아니라 가장 참값이라고 여겨지는 하나의 모수를 택하는 것을 무엇이라고 하는가?
정답 · 해설 보기
정답 점추정 (단답형)
정답은 점추정(Point Estimation)입니다. 표본 정보로 모수를 추정할 때 범위가 아니라 참값이라고 가장 여겨지는 하나의 값을 택하는 방법으로, 표본평균으로 모평균을 추정하는 것이 대표적입니다. 구간추정은 모수가 포함될 것으로 기대되는 범위를 신뢰수준과 함께 제시하는 방법이고, 가설검정은 모수에 대한 가설의 채택 여부를 판단하는 과정입니다. 시험 포인트: 점추정 = 하나의 값, 구간추정 = 신뢰수준과 함께 범위
문제 48
단원 통계 분석
CART에서 쓰이는 불순도 측정 지표로 데이터의 통계적 분산정도를 정량화해서 표현한 값은 무엇인가?
정답 · 해설 보기
정답 지니 지수 (단답형)
정답은 지니 지수(Gini Index)입니다. CART는 분류나무에서 불순도 지표로 지니 지수를 쓰며, 노드 안 데이터가 여러 범주에 얼마나 섞여 있는지를 정량화해 값이 작을수록 순수합니다. CHAID는 카이제곱 통계량, C4.5는 엔트로피 기반 정보이득비를 분리 기준으로 쓰고, 회귀나무에서는 분산 감소량을 씁니다. 시험 포인트: 분리 기준 = CART 지니 지수, C4.5 엔트로피, CHAID 카이제곱