빅데이터분석기사 필기
시험 직전 요약장
판단 기준과 헷갈리는 개념, 대표 예제를 짧게 확인하세요.
군집분석과 군집 품질
원래 이론 →판단 기준
수치형 벡터 x, y에 대해 대표적인 비유사도는 다음과 같다.
예시·텍스트좌우로 이동해 전체 내용을 확인하세요. 키보드: ←·→, Home·End
유클리드 거리: d₂(x,y) = √Σⱼ(xⱼ-yⱼ)²
맨해튼 거리: d₁(x,y) = Σⱼ|xⱼ-yⱼ|
코사인 거리: dcos(x,y) = 1 - (x·y)/(||x|| ||y||)
- k-평균의 표준 목적함수는 제곱 유클리드 거리와 평균 중심의 조합이다.
- 맨해튼 거리는 좌표별 절대차를 쓰며 제곱거리보다 큰 편차의 영향이 작다.
- 코사인 거리는 크기보다 방향이 중요한 문서·빈도 벡터 등에 유용하지만 영벡터에서는 분모가 0이므로 별도 처리가 필요하다.
- 혼합형에는 변수별 범위를 조정한 Gower 거리 등을 검토한다.
헷갈리는 개념
표를 좌우로 밀어 나머지 열을 확인하세요. 키보드: ←·→, Home·End
| 점검 대상 | 위험 | 대응 예 |
|---|---|---|
| 단위·분산이 다른 수치형 | 큰 단위 변수가 거리를 지배 | 표준화, 로버스트 스케일링 |
| 극단값·긴 꼬리 | 평균 중심과 거리 왜곡 | 로그 변환, 윈저화 검토, 강건 방법 비교 |
| 범주형 | 평균·유클리드 거리가 부적절 | k-modes, 적합한 범주 거리 |
| 수치형+범주형 혼합 | 한 자료형이 결과를 지배 | Gower 거리, k-prototypes 등 |
| 결측 | 거리와 표본 구성이 달라짐 | 원인 진단 후 대치·결측 지시자·제외 기준 명시 |
| 고차원 | 거리가 비슷해지는 차원의 저주 | 변수 선택, PCA 등 축소와 안정성 비교 |
내 최근 연습 오답
현재 브라우저의 연습 채점 기록에서 공개된 단원과 연결된 오답을 확인합니다.
오답 기록을 확인하고 있습니다.