핵심 이론

AICE 데이터 전처리 핵심: 결측치·인코딩·스케일링

전처리 방법을 외우기보다 데이터 의미에 따라 선택하는 기준을 설명합니다.

AICE 데이터 전처리 핵심: 결측치·인코딩·스케일링

결측치는 무조건 삭제하거나 0으로 채우지 않습니다. 결측 비율, 발생 원인, 변수의 업무 의미와 모델이 결측을 처리할 수 있는지를 먼저 확인한 뒤 삭제 또는 대체 방법을 정해야 합니다.

순서가 없는 범주형 변수는 원핫 인코딩이 자주 사용됩니다. 순서가 있는 등급을 단순 숫자로 표현할 때도 숫자 간 간격이 실제 의미와 맞는지 확인해야 합니다.

스케일링은 변수별 단위와 범위 차이를 줄여 거리 기반 또는 경사하강 기반 모델이 안정적으로 학습하도록 돕습니다. 의사결정나무 계열처럼 스케일에 덜 민감한 모델도 있으므로 모델 특성과 함께 판단하세요.

공식 최신 안내가 우선입니다

시험 일정, 비용, 평가 방식과 허용 도구는 변경될 수 있습니다. 실제 접수 전 AICE 공식 사이트에서 다시 확인하세요.

자료 출처·확인 기록 보기