데이터는 크게 숫자형과 범주형으로 구분
숫자형 데이터 (Numerical Data)
수치로 표현되며 산술 연산(더하기, 빼기, 평균 등)이 가능한 데이터
대표적인 예시
- 나이 (25세)
- 키 (175cm)
- 몸무게 (68kg)
- 혈압 (120mmHg)
- 혈당 (95mg/dL)
이러한 데이터는 평균, 분산, 표준편차 등을 계산할 수 있으며, 머신러닝 모델의 입력 데이터로도 많이 사용된다.
숫자형 데이터는 이산형 데이터(Discrete Data)와 연속형 데이터(Continuous Data)로 나뉜다.
1. 이산형 데이터 (Discrete Data)
셀 수 있는 값을 가지는 데이터다.
값이 정수 형태로 존재하며 중간값을 가질 수 없다.
예를 들어,
- 병원 방문 횟수 : 5회
- 자녀 수 : 2명
- 입원 횟수 : 1회
- 하루 약 복용 횟수 : 3회
자녀 수는 2명과 3명 사이인 2.5명이 존재할 수 없기 때문에 이산형 데이터에 해당한다.
2. 연속형 데이터 (Continuous Data)
일정한 범위 안에서 어떤 값이든 가질 수 있는 데이터다.
소수점까지 표현이 가능하며, 측정을 통해 얻는 데이터가 대부분 연속형 데이터에 속한다.
예를 들어,
- 체온 : 36.7℃
- 키 : 172.4cm
- 몸무게 : 63.8kg
- 혈당 : 98.5mg/dL
연속형 데이터는 평균이나 분산 같은 통계 분석뿐 아니라 회귀(Regression) 모델에서도 자주 사용된다.
범주형 데이터 (Categorical Data)
범주형 데이터는 특정 그룹이나 종류를 구분하기 위한 데이터다.
숫자로 표현될 수도 있지만, 그 숫자는 계산을 위한 값이 아니라 단순히 범주를 구분하기 위한 라벨일 뿐이다.
예를 들어,
- 성별 : 남성, 여성
- 혈액형 : A형, B형, O형, AB형
- 흡연 여부 : 예, 아니오
- 질병 유무 : 정상, 질환
범주형 데이터는 다시 명목형(Nominal)과 순서형(Ordinal)으로 나뉜다.
1. 명목형 데이터 (Nominal Data)
순서나 크기의 개념 없이 단순히 분류만 가능한 데이터다.
예를 들어,
- 혈액형
- 성별
- 지역
- 질병 종류
A형이 B형보다 크거나 작다고 말할 수 없기 때문에 명목형 데이터에 해당한다.
2. 순서형 데이터 (Ordinal Data)
순서는 존재하지만, 값의 차이를 수치적으로 계산할 수 없는 데이터다.
예를 들어,
- 만족도 : 매우 만족 > 만족 > 보통 > 불만족
- 암 진행 단계 : 1기 → 2기 → 3기 → 4기
- 통증 정도 : 약함 → 보통 → 심함
순서는 있지만 각 단계 사이의 간격이 일정하다고 볼 수 없기 때문에 평균을 계산하는 것은 적절하지 않다.
정리
| 데이터 타입 | 특징 | 예시 |
|---|---|---|
| 숫자형 | 계산이 가능 | 키, 몸무게, 혈당 |
| 이산형 | 셀 수 있는 값 | 방문 횟수, 자녀 수 |
| 연속형 | 측정되는 값 | 체온, 혈압 |
| 범주형 | 그룹을 구분 | 성별, 혈액형 |
| 명목형 | 순서 없음 | 혈액형, 지역 |
| 순서형 | 순서 있음 | 만족도, 암 진행 단계 |
AI Healthcare에서는 왜 데이터 타입이 중요할까?
AI 모델은 데이터 타입에 따라 전처리 방법이 달라진다.
예를 들어 키나 혈당처럼 숫자형 데이터는 정규화(Normalization)나 표준화(Standardization)를 수행하는 경우가 많고, 성별이나 혈액형 같은 범주형 데이터는 원-핫 인코딩(One-Hot Encoding) 등을 이용해 모델이 학습할 수 있는 숫자 형태로 변환한다.
즉, 데이터를 분석하기 전에 각 변수의 데이터 타입을 정확하게 파악하는 것이 데이터 분석과 머신러닝의 첫 단계라고 할 수 있다.
