본격적으로 모델을 만들기 전에, 데이터가 어떤 값들로 이루어져 있는지 먼저 파악하는 단계입니다. 변수의 유형, 분포, 결측치·이상치 여부를 확인하면 이후 전처리와 모델링 방향을 정하는 데 도움이 됩니다.
기초통계
평균·중앙값·최빈값·표준편차는 데이터의 중심과 퍼짐 정도를 나타냅니다. 이상치가 있는 데이터에서는 평균보다 중앙값이 더 안정적인 대표값이 됩니다. AIDU의 데이터 분석 - 기초정보분석 메뉴에서 변수별 통계량을 바로 확인할 수 있습니다.
시각화
히스토그램은 하나의 수치형 변수 분포를, 박스차트는 사분위수와 이상치를 함께 보여줍니다. 그래프를 읽을 때는 축의 단위와 범례를 먼저 확인한 뒤 최댓값·최솟값·분포 특징을 읽어야 합니다.
상관관계
상관계수는 -1~1 사이 값으로, 두 변수가 함께 움직이는 정도를 나타냅니다. 값이 1에 가까울수록 강한 양의 상관관계, -1에 가까울수록 강한 음의 상관관계입니다. 상관관계가 높다고 해서 인과관계가 있는 것은 아니라는 점에 주의하세요.
이상치
IQR(사분위범위, Q3-Q1) 기준으로 Q1-1.5×IQR 미만이거나 Q3+1.5×IQR을 초과하는 값을 이상치로 봅니다. 박스차트에서 상자 바깥의 점으로 표시되며, 처리 전 원인을 먼저 살펴보는 것이 좋습니다.