빅데이터분석기사 필기 오답노트 - 4과목(빅데이터 결과 해석)

최종모의고사 1회

문제1

교차 검증은 모델의 일반화 오차에 대해 신뢰한 추정치를 구하기 위해 훈련, 평가 데이터를 기반으로 하는 검증 기법이다. 다음 중 홀드 아웃 교차 검증을 설명한 것으로 가장 적합한 것은 무엇인가?
① 전체 데이터에서 평가 데이터를 학습에도 사용하므로 데이터 손실이 발생하지 않는다.
② 전체 데이터를 비복원추출 방식을 이용하여 렌덤하게 훈련 데이터와 평가 데이터로 나눠 검증하는 방법이다.
③ 검증 데이터는 최적화된 분류기의 성능을 평가할 때 사용되는 데이터이다.
④ 데이터 집합을 무작위로 동일 크기를 갖는 K개의 부분 집합으로 나누고, 그중 1개를 평가 데이터로, 나머지 (K-1)개를 훈련 데이터로 선정하여 분석 모형을 평가하는 기법이다.

정답 ②
해설

• 계산량이 많지 않아 모형을 쉽게 평가할 수 있으나 전체 데이터에서 평가 데이터만은 학습에 사용할 수 없으므로 데이터 손실이 발생한다.
• 검증 데이터는 분류기들의 매개변수를 최적화하기 위해 사용되는 데이터이다.
• 데이터 집합을 무작위로 동일 크기를 갖는 K개의 부분 집합으로 나누고, 그중 1개를 평가 데이터로, 나머지 (K-1)개를 훈련 데이터로 선정하여 분석 모형을 평가하는 기법은 K-fold 교차 검증이다.
• 홀드 아웃 교차 검증은 전체 데이터를 비복원추출 방식을 이용하여 랜덤하게 훈련 데이터와 평가 데이터로 나눠 검증하는 기법이다.

문제2

다음 중 두 개 이상의 집단 간 비교를 수행하고자 할 때 집단 내의 분산, 총 평균과 각 집단의 평균 차이에 의해 생긴 집단 간 분산 비교로 얻은 F-분포를 이용하여 가설검정을 수행하는 방법은 무엇인가?
① Z-검정
② T-검정
③ 분산 분석
④ 카이제곱 검정

정답 ③
해설
분산 분석(ANOVA)은 두 개 이상의 집단 간 비교를 수행하고자 할 때 집단 내의 분산, 총 평균과 각 집단의 평균 차이에 의해 생긴 집단 간 분산 비교로 얻은 F-분포를 이용하여 가설검정을 수행하는 방법이다.

문제3

다음 중 과대 적합을 방지하기 위한 드롭아웃을 설명한 것으로 가장 부적절한 것은 무엇인가?
① 개별 가중치 값을 제한하여 복잡한 모델을 좀 더 간단하게 하는 방법이다.
② 드롭아웃은 신경망 학습 시에만 사용하고, 예측 시에는 사용하지 않는다.
③ 학습 시에 인공신경망이 특정 뉴런 또는 특정 조합에 너무 의존적이게 되는 것을 방지해준다.
④ 드롭아웃은 학습 과정에서 신경망의 일부를 사용하지 않는 방법이다.

정답 ①
해설
개별 가중치 값을 제한하여 복잡한 모델을 좀 더 간단하게 하는 방법은 가중치 규제이다.

문제4

다음 중 주어진 데이터로부터 학습을 통해 내부에서 결정되는 매개변수를 최적화하는 기법으로 가장 부적절한 것은 무엇인가?
① 확률적 경사 하강법
② 모멘텀
③ AdaGrad
④ 드롭아웃

정답 ④
해설
드롭아웃은 매개변수를 최적화 하는 기법이 아닌 과대 적합을 방지하기 위한 기법이다.

문제5

다음 중 데이터 시각화 기법을 설명한 것으로 가장 적합한 것은 무엇인가?
① 시간의 변화에 따른 경향(트렌드)을 파악하기 위해 산점도를 사용한다.
② 집단 간의 상관관계를 확인하여 다른 수치의 변화를 예측하기 위해 히트맵을 사용한다.
③ 지도를 통해 시점에 따른 경향, 차이 등을 확인하기 위해 카토그램을 사용한다.
④ 전체에서 부분 간 관계를 설명하기 위해 막대그래프를 사용한다.

정답 ③
해설
데이터 시각화 기법은 다음과 같다.

구분	내용	기법
시간 시각화	- 시간 흐름에 따른 변화를 통해 경향(트렌드 파악)	- 막대그래프 - 점그래프
분포 시각화	- 분류에 따른 변화를 최대, 최소, 전체 분포 등으로 구분 - 전체에서 부분 간 관계를 설명	- 파이 차트 - 도넛 차트 - 트리맵
관계 시각화	- 집단 간의 상관관계를 확인하여 다른 수치의 변화 예측	- 산점도 - 버블 차트 - 히스토그램
비교 시각화	- 각각의 데이터 간의 차이점과 유사성 관계도 확인 가능	- 히트맵 - 평행 좌표 그래프 - 체르노프 페이스 - 스타차트
공간 시각화	- 지도를 통해 시점에 따른 경향, 차이 등을 확인 가능	- 등치선도 - 도트맵 - 카토그램

따라서 가장 적합한 것은 ③이다.

문제6

다음 중 버블 차트의 시각화 유형과 같은 것은 무엇인가?
① 체르노프 페이스
② 산점도
③ 트리맵
④ 히트맵

정답 ②
해설
버블 차트는 관계 시각화 기법이므로 같은 유형인 것은 산점도이다.

최종모의고사 2회

문제1

다음 중 범주에 따라 분류된 변수가 정규 분포되어 있다면 빈도가 실제 기대되는 값으로부터 유의미한 차이가 관찰되는가를 보기 위한 검증으로 가장 알맞은 것은?
① Z-검정
② 카이제곱 검정
③ 분산 분석
④ T-검정

정답 ②
해설

• Z-검정은 귀무가설에서 검정 통계량의 분포를 정규분포로 근사할 수 있는 통계 검정이다.
• 카이제곱 검정은 범주에 따라 분류된 변수가 정규 분포되어 있다면 빈도가 실제 기대되는 값으로부터 유의미한 차이가 관찰되는가를 보기 위한 검증 방법이다.
• 분산 분석(ANOVA)은 두 개이 상의 집단 간 비교를 수행하고자 할 때 집단 내의 분산, 총평균과 각 집단의 평군 차이에 의해 생긴 집단 간 분산 비교로 얻은 F-분포를 이용하여 가설검정을 수행하는 방법이다.
• T-검정은 두 집단 간의 평균을 비교하는 모수적 총계 방법으로써 표본이 정규성, 등분산성, 독립성 등을 만족할 경우 적용한다.

문제2

다음 중 훈련 데이터를 중복하여 사용하지 않고 훈련 데이터 세트를 나누는 기법으로 가장 알맞은 것은?
① 직접 투표
② 배깅
③ 페이스팅
④ 랜덤 서브스페이스

정답 ③
해설

• 직접 투표는 단순 투표 방식으로 개별 모형의 결과 기준이다.
• 배깅은 훈련 데이터의 중복을 허용하며 훈련 데이터 세트를 나누는 기법으로 복원추출 방식이다.
• 페이스팅은 훈련 데이터를 중복하여 사용하지 않고 훈련 데이터 세트를 나누는 기법으로 비복원추출 방식이다.
• 랜덤 서브스페이스는 훈련 데이터를 모두 사용하고 특성은 샘플링하는 방식이다.

문제3

다음 중 하나의 자산을 획득하려 할 때 주어진 기간 동안 모든 연관 비용을 고려할 수 있도록 확인하기 위해 사용되는 평가 기법으로 가장 알맞은 것은?
① TCO
② ROI
③ NPV
④ IRR

정답 ①
해설

• TCO(Total Coas of Ownership)는 총 소유 비용이다.
• TCO는 하나의 자산을 획득하려 할 때 주어진 기간 동안 모든 연관 비용을 고려할 수 있도록 확인하기 위해 사용되는 평가 기법이다.

문제4

다음 중 관계 시각화에 대한 설명으로 가장 알맞지 않은 것은?
① 다변량 데이터 사이에 존재하는 변수 사이의 연관성, 분포와 패턴을 찾는 시각화 방법이다.
② 변수 사이의 연관성인 상관관계는 한 가지 요소의 변화가 다른 요소의 변화와 관련이 있는지를 표현하는 시각화 기법이다.
③ 산점도 행렬은 산점도에서 데이터값을 나타내는 점 또는 마크에 여러 가지 의미를 부여하여 확장된 차트이다.
④ 관계 시각화의 유형으로 산점도, 산점도 행렬, 버블 차트, 히스토그램 등이 있다.

정답 ③
해설

• 산점도 행령은 다변량 변수를 갖는 데이터에서 가능한 모든 변수 쌍에 대한 산점도를 행렬 형태로 표현한 그래프이다.
• 버블 차트는 산점도에서 데이터값을 나타내는 점 또는 마크에 여러 가지 의미를 부여하여 확장된 차트이다.

문제5

다음 중 초매개변수로 설정이 가능하지 않은 것은?
① 학습률
② 가중치
③ 은닉층의 수
④ 의사결정나무의 깊이

정답 ②
해설
초매개변수로 설정 가능한 예시로는 학습률, 은닉층의 개수, 의사결정나무의 깊이 등이 있다.

문제6

다음 중 혼동 행렬에 대한 설명으로 적절하지 않은 것은?

① 실제로 부정인 범주 중 부정으로 올바르게 예측한 비율을 정확도라고 하며, (TP+TN)/(TP+TN+FP+FN)라고 표기한다.
② 카파 값은 0~1 사이의 값을 가지며, 1에 가까울수록 예측값과 실제값이 일치하지 않는 것을 의미한다.
③ 정밀도는 '긍정'으로 예측한 비율 중에서 실제로 긍정인 비율로 TP/(TP+FP)라고 표기한다.
④ 머신러닝 성능 평가지표 중 오차 비율을 표기하는 식은 (FP+FN)/(TP+TN+FP+FN)이다.

정답 ①, ②
해설
정확도는 전체 예측에서 실제로 긍정 또는 부정으로 올바르게 예측한 것이 차지하는 비율이다.

혼동행렬 관련 주요 평가지표는 다음과 같다.

평가지표	계산식	내용
특이도 (Specificity)	$\mathrm{\dfrac{TN}{TN+FP}}$	실제로 부정인 범주 중에서 부정으로 올바르게 예측(TN)한 비율
민감도 (Sensitivity)	$\mathrm{\dfrac{TP}{TP+FN}}$	실제로 긍정인 범주(TP+FN) 중에서 긍정으로 올바르게 예측(TP)한 비율
거짓 긍정률 (FP Rate)	$\mathrm{\dfrac{FP}{TN+FP}}$	실제로 부정인 범주(TN+FP) 중에서 긍정으로 잘못 예측(FP)한 비율
정밀도 (Precision)	$\mathrm{\dfrac{TP}{TP+FP}}$	긍정으로 예측한 비율(TP+FP) 중에서 실제로 긍정(TP)인 비율
정확도 (Accuracy)	$\mathrm{\dfrac{TP+TN}{TP+TN+FP+FN}}$	전체 예측(TP+TN+FP+FN)에서 실제로 긍정 또는 부정으로 올바르게 예측한 것(TP+TN)이 차지하는 비율
오차비율 (Error Rate)	$\mathrm{\dfrac{FP+FN}{TP+TN+FP+FN}}$	전체 예측(TP+TN+FP+FN)에서 잘못 예측한 것(FP+FN)이 차지하는 비율

② 카파 값은 0~1 사이의 값을 가지며, 1에 가까울수록 예측값과 실제값이 일치하는 것을 의미한다.

• ②번 했는데 틀렸다고 해서 놀랐다.

최종모의고사 3회

문제1

다음 중 관계 시각화에 대한 설명으로 옳지 않은 것은?
① 다변량 데이터 사이에 존재하는 변수 사이의 연관성, 분포와 패턴을 찾는 시각화 방법이다.
② 관계 시각화의 주요 유형으로 히트맵, 체르노프 페이스, 스타 차트 등이 있다.
③ 변수 사이의 연관성인 상관관계는 한 가지 요소의 변화가 다른 요소의 변화와 관련이 있는지를 표현하는 시각화 기법이다.
④ 정보를 SNS상에 쉽고 빠르게 전달할 수 있다.

정답 ②
해설
관계 시각화의 유형으로는 산점도, 산점도 행렬, 버블차트, 히스토그램, 네트워크 그래프 등이 있다.

• 그런데 ③에서 상관관계가 시각화 기법인가?(산점도를 말하는 건가?)

문제2

다음 중 적합도 검정에 대한 설명으로 가장 올바르지 않은 것은?
① 적합도 검정은 표본 집단의 분포가 주어진 특정 이론을 따르고 있는지를 검정하는 기법이다.
② 적합도 검정 기법으로는 카이제곱 검정, 샤피로-윌크 검정, K-S 검정, Q-Q Plot이 있다.
③ 카이제곱 검정에서는 R 언어에서 chisq.test() 함수를 이용하여 나온 결과의 p-value 값이 0.05보다 클 경우 관측된 데이터가 가정된 확률을 따른다고 할 수 있다.
④ 정규성 검정은 R에서 sharpirowilk.test() 함수를 이용하여 검정할 수 있으며, 이때 귀무가설은 "표본은 정규 분포를 따른다."이다.

정답 ④
해설

• sharpirowilk.test() 함수를 이용하여 검정하는 것은 샤피로-윌크 검정이다.

문제3

다음 중 과대 적합에 대한 설명으로 가장 올바르지 않은 것은?
① 과대 적합은 제한된 훈련 데이터 세트에 너무 과하게 특화되어 새로운 데이터에 대한 오차가 매우 커지는 현상이다.
② 과대 적합을 방지하기 위해 데이터 세트 증가, 모델 복잡도 감소, 가중치 규제, 드롭아웃 방법을 적용한다.
③ 가중치 규제는 개별 가중치 값을 제한하여 복잡한 모델을 좀 더 간단하게 하는 방법으로 종류에는 P1 규제와 P2 규제가 있다.
④ 드롭아웃은 학습 과정에서 신경망 일부를 사용하지 않는 방법이다.

정답 ③
해설
가중치 규제는 개별 가중치 값을 제한하여 복잡한 모델을 좀 더 간단하게 하는 방법으로 종류에는 L1 규제(라쏘)와 L2 규제(릿지)가 있다.

문제4

다음 데이터 시각화 유형 중 가장 올바르지 않은 것은?
① 시간 시각화는 시간 흐름에 따른 변화를 통해 경향(트렌드)을 파악하는 방법으로 막대그래프 기법과 점그래프 기법이 있다.
② 분포 시각화는 전체에서 부분 간 관계를 설명하는 방법으로 파이 차트 기법, 도넛 차트 기법, 트리 차트 기법이 있다.
③ 관계 시각화는 집단 간의 상관관계를 확인하여 다른 수치의 변화를 예측하는 방법으로 산점도 기법, 버블 차트 기법, 히스토그램 기법이 있다.
④ 비교 시각화는 각각의 데이터 간의 차이점과 유사성 관계도 확인 가능한 방법으로 등치선도 기법, 도트맵 기법, 카토그램 기법이 있다.

정답 ④
해설

• 공간 시각화에는 등치선도 기법, 도트맵 기법, 카토그램 기법이 있다.
• 비교 시각화에는 히트맵 기법, 평행 좌표 그래프 기법, 체르노프 페이스 기법이 있다.

문제5

다음 빅데이터 시각화 도구 중 코딩 없이 스프레드시트, 데이터베이스 형태 데이터를 쉽게 가시화하는 시각화 도구는 무엇인가?
① 태블로(Tableau)
② 차트 블록(Chart Blocks)
③ 인포그램(Infogram)
④ 데이터 래퍼(Data Wrapper)

정답 ②
해설

• 빅데이터 시각화 도구 중 코딩 없이 스프레드시트, 데이터베이스 형태 데이터를 쉽게 가시화하는 시각화 도구는 차트 블록이다.
• 차트 블록은 웹 기반 차트 구현(트위터, 페이스북 등에 공유)이 가능하다.

문제6

다음 중 응용 프로그램 성능 측정 항목의 측정 주기에 대한 설명으로 가장 올바르지 않은 것은?
① 응답시간/트랜잭션 처리량은 실시간 측정을 한다.
② 메모리 사용은 정기적 측정을 한다.
③ 데이터베이스 처리는 실시간 측정을 한다.
④ 오류 및 예외 발생 여부는 정기적 측정을 한다.

정답 ④
해설
오류 및 예외 발생 여부는 실시간 측정을 한다.

문제7

다음 중 카파 통계량에 대한 설명으로 가장 올바르지 않은 것은?
① 두 관찰자가 측정한 범주 값에 대한 일치도를 측정하는 방법이다.
② 0~1의 값을 가지며 1에 가까울수록 모델의 예측값과 실젯값이 정확히 일치하며, 0에 가까울수록 모델의 예측값과 실젯값이 불일치한다.
③ 정확도 외에 카파 통계량을 통해 모형의 평가 결과가 우연히 나온 결과가 아니라는 것을 설명할 수 있다.
④ 카파 통계량의 계산식은 $\mathrm2\times\dfrac{Precision\times Recall}{Precision+Recall}$이다.

정답 ④
해설

• 카파 통계량의 계산식은 $\Kappa=\dfrac{\mathrm{Pr}(a)-\mathrm{Pr}(e)}{1-\mathrm{Pr}(e)}$이다.
  • $\Kappa$ : 카파 상관계수
  • $\mathrm{Pr}(a)$ : 예측이 일치할 확률
  • $\mathrm{Pr}(e)$ : 예측이 우연히(eventually) 일치할 확률
• 혼동 행렬에서 F1-Score의 계산식은 $\mathrm2\times\dfrac{Precision\times Recall}{Precision+Recall}$이다.