[ADsP] 데이터분석 준전문가 기출유형 모의고사 6회 해설 페이지

리뷰 문장은 정성 데이터이고, 이를 재구매 의향을 예측하는 근거로 썼으므로 당위적 특성까지 만족한다.
데이터는 객관적 사실 그 자체라는 존재적 특성과, 추론·예측·전망의 근거가 된다는 당위적 특성을 함께 지닌다.
기온 수치 기반 예측: 당위적 활용이지만 정량 데이터이다.
면접 의견 원문 보관: 정성 데이터지만 사실 보관에 그친다.
매출액 장부 기록: 정량 데이터를 사실로 기록한 존재적 사례이다.

설계는 요구사항 분석 → 개념적 설계 → 논리적 설계 → 물리적 설계 순으로, 추상적인 단계에서 구체적인 단계로 내려간다.
E-R 모델링은 DBMS와 무관한 개념적 설계이고, 정규화는 특정 데이터 모델을 반영하는 논리적 설계 작업이다.
스키마 정의·정규화는 E-R 추상화 다음에 온다.
요구사항 수집 없이 개념 모델을 먼저 만들 수 없다.
저장 구조·인덱스 결정은 논리 설계 이후의 물리적 설계이다.

NEIS(교육행정정보시스템)는 교육 부문의 시스템이고, 의료 부문의 대표는 의료영상을 저장·전송하는 PACS와 원격 의료 기반의 U-헬스이다.
사회기반 구조 DB는 물류·지리·교통·의료·교육 등 공공 영역의 정보를 통합해 국가·사회 운영을 지원한다.
CVO(화물운송정보)·CALS는 물류 부문 시스템이다.
GIS·LBS는 위치·공간 정보를 다루는 지리 부문이다.
ITS(지능형 교통 시스템)는 교통 부문의 대표 시스템이다.

기존 DB 도구의 처리 역량을 넘는 크기라는 점만 따졌으므로 데이터 자체에 주목한 좁은 범위의 정의이다.
정의의 범위는 데이터 자체(좁은 범위) → 처리·분석 기술·아키텍처 포함(중간 범위) → 인재·조직 변화까지 포함(넓은 범위)으로 넓어진다.
기술·아키텍처 관점은 가치 추출을 위한 차세대 기술을 강조한다.
넓은 범위는 분석 인재와 조직 문화의 변화까지 포괄한다.
정의 문장에는 가치 창출이나 효과에 관한 언급이 없다.

소비자가 맞춤형 추천으로 비교·탐색 시간을 줄였으므로 개인이 얻은 기회비용 절약 효과이다.
빅데이터는 기업에는 혁신·경쟁력 강화·생산성 향상을, 정부에는 환경 탐색·상황 분석·미래 대응을 가져온다.
기업의 생산성 향상은 원가 절감과 운영 효율화 사례에 해당한다.
정부의 미래 대응은 사회 변화 예측과 정책 수립 사례에 해당한다.
사례에서는 탐색 시간이 늘지 않고 오히려 줄었다.

감정 분석과 기계 학습의 연결만 옳으므로 옳은 것은 2개이다.
한 변수가 다른 변수에 미치는 영향 추정은 회귀 분석, 새 사례를 기존 범주에 배정하는 것은 유형 분석으로 두 연결이 서로 뒤바뀌어 있다.
1개: 시청 기록 기반 선호 예측도 기계 학습으로 옳다.
3개: 나이의 영향 추정을 유형 분석으로 본 연결은 틀렸다.
4개: 집단 소속 분류는 회귀 분석이 아니라 유형 분석이다.

알고리즈미스트는 알고리즘 코드를 해석해 그 결정으로 부당한 불이익을 받은 사람을 대변하고 구제하는 전문가이다.
예측이 사람을 잘못 판단하는 데이터 오용을 막는 통제 방안이 알고리즘 접근 허용이며, 이를 수행하는 인력이 알고리즈미스트이다.
동의 절차 대행은 알고리즘 피해 구제와 무관한 행정 업무이다.
모형 학습 속도 개선은 개발·튜닝 업무이다.
장비 유지·보수는 인프라 운영 업무로 역할과 무관하다.

일차원적 분석은 해당 업계 대부분이 이미 수행하는 수준이어서 그것만으로는 경쟁 우위를 확보하기 어렵다.
일차원적 분석 경험을 늘려 작은 성공으로 문화를 정착시킨 뒤, 사업 성과를 이끄는 전략 도출 분석으로 범위를 넓혀야 한다.
부서 단위의 업무 효율 개선은 일차원적 분석의 전형이다.
작은 성공을 바탕으로 분석 범위를 점차 확대하는 것이 바람직하다.
전략 도출 분석은 사업과 환경의 맥락에 대한 이해가 전제된다.

창의적 사고·호기심·논리적 비판으로 데이터의 의미를 찾아내는 능력은 소프트 스킬 중 통찰력 있는 분석에 해당한다.
소프트 스킬은 통찰력 있는 분석, 설득력 있는 전달, 다분야 간 협력으로 나누어 볼 수 있다.
설득력 있는 전달은 스토리텔링·시각화로 결과를 전하는 능력이다.
다분야 간 협력은 여러 분야 사람들과 소통하며 일하는 능력이다.
분석 기술의 숙련은 소프트 스킬이 아닌 하드 스킬에 속한다.

모든 분석은 분석가가 세운 가정에 근거하므로 가정이 바뀌면 결과도 달라질 수 있고, 결과의 의미는 결국 사람의 해석이 결정한다.
정교한 정량 모형도 현실을 단순화한 것이어서 결과를 과신하면 큰 오판으로 이어질 수 있다.
정량 분석 결과도 맥락에 비추어 사람이 해석해야 한다.
데이터가 많아도 모형과 분석에는 가정이 필요하다.
정교한 모형도 가정이 틀리면 오판 위험이 남는다.

유사 분석 시나리오와 솔루션을 최대한 활용하는 것은 적절한 유스케이스 탐색에 해당한다.
분석 기획 시에는 가용 데이터, 적절한 유스케이스, 장애 요소에 대한 사전 계획을 함께 고려한다.
가용 데이터 확인은 분석 기반이 되는 데이터의 유형·확보 가능성을 따지는 것이다.
장애 요소 계획은 비용·정확도·사용자 교육 등 걸림돌을 미리 대비하는 것이다.
성숙도 진단은 마스터 플랜·거버넌스에서 다루는 내용이다.

KDD는 데이터 선택 → 전처리 → 변환 → 데이터 마이닝 → 해석·평가 순으로 진행된다.
잡음·결측 처리는 전처리, 변수 선택·차원 축소와 학습/검증 데이터 분리는 변환 단계에 속한다.
변환을 전처리보다 먼저 두면 잡음이 섞인 채 변수를 고르게 된다.
목표 데이터를 정하는 선택 단계가 가장 먼저 와야 한다.
마이닝 기법 적용은 변환으로 데이터를 준비한 뒤에 수행한다.

CRISP-DM의 6단계는 일방향이 아니라 단계 간 피드백을 거치며, 업무 이해와 데이터 이해, 데이터 준비와 모델링 사이를 반복해 오간다.
단계는 업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개 순이고, 평가 결과가 다시 업무 이해로 이어지기도 한다.
한 방향 1회 수행은 폭포수식 설명으로 CRISP-DM과 맞지 않다.
평가는 모델링을 마친 뒤 업무 목적 달성 여부를 확인하는 단계이다.
최상위 레벨은 단계(Phases)이고 프로세스 실행은 최하위 레벨이다.

데이터 분석 문제로 변환하는 것은 문제 정의, 시스템·역량 보유 여부로 수행 옵션을 나누는 것은 해결방안 탐색이므로 두 연결만 옳다.
하향식 접근은 문제 탐색 → 문제 정의 → 해결방안 탐색 → 타당성 검토 순으로 진행된다.
자체 수행·아웃소싱 결정은 문제 탐색이 아니라 해결방안 탐색의 활동이다.
캔버스로 기회를 도출해 유스케이스를 정의하는 것은 문제 탐색 활동이다.
타당성 검토는 경제적·데이터·기술적 타당성을 평가하는 단계이다.

법규·보안 기준 준수 점검과 비정상 접근 탐지는 제품 생산·전달 과정의 규제와 보안 관점에서 기회를 찾는 규제와 감사 영역이다.
캔버스의 문제 탐색 영역은 업무·제품·고객·규제와 감사·지원 인프라의 5가지로 구성된다.
지원 인프라는 분석을 수행하는 시스템과 운영 인력 관점이다.
업무는 내부 운영·생산 활동의 효율화 관점이다.
고객은 사용자·고객 및 채널 관리 관점이다.

사전에 목표를 정하고 산출물 검사(품질 통제)와 프로세스 확인(품질 보증)으로 나누어 관리하는 것은 품질 관리 영역이다.
분석 프로젝트는 결과의 정확도·재현성 등 품질 목표를 미리 수립하고 확인하는 것이 중요하다.
범위는 분석 결과물의 형태와 작업 범위를 정의하고 통제한다.
통합은 프로젝트 전체 활동을 조정·연계하는 영역이다.
의사소통은 이해관계자 간 정보 공유 체계를 관리한다.

세 고려 요소 모두 초기 수준이므로 정비된 내부 정형 데이터부터 적용하고 외부·비정형 데이터로 단계적으로 확대하는 것이 적절하다.
적용 범위·방식은 업무 내재화 수준, 분석 데이터 적용 수준, 기술 적용 수준을 고려해 단계적으로 정한다.
현업의 활용 경험이 없으므로 즉시 자동 반영은 무리이다.
검증되지 않은 기술은 초기 단계에 적용하기에 위험하다.
수집 체계가 없는 SNS 데이터는 후속 단계에서 다룬다.

ROI 관점에서 3V는 투자비용(Investment) 요소, 가치(Value)는 비즈니스 효과(Return) 요소이다.
투자비용 요소는 과제의 난이도 평가에, 비즈니스 효과는 시급성 평가에 반영된다.
3V와 Value의 위치가 뒤바뀌면 비용과 효과가 거꾸로 해석된다.
시급성은 Value와 연결되는 평가 기준이며 3V의 성격이 아니다.
기술 성숙도·시장 규모는 4V의 ROI 구분과 관계없다.

분석 과제 관리 프로세스는 과제 발굴(아이디어 발굴 → 과제 후보 제안 → 과제 확정)과 과제 수행(팀 구성 → 과제 실행 → 진행 관리 → 결과 공유·개선)으로 나뉜다.
따라서 진행 관리는 과제 수행 단계의 활동이며, 결과는 축적·공유되어 다음 과제 발굴에 활용된다.
분석 아이디어 발굴은 과제 발굴 단계의 첫 활동이다.
과제 후보 제안은 아이디어를 과제 형태로 정리하는 발굴 활동이다.
과제 확정은 발굴 단계의 마지막 활동이다.

항목 정의가 부서마다 다르고 메타데이터가 관리되지 않는 문제는 표준화·메타데이터·사전 관리를 다루는 데이터(데이터 거버넌스) 요소로 보완한다.
분석 마트·BI 도구 부재는 시스템, 분석을 신뢰하지 않는 문화는 교육·마인드 육성 요소의 보완 대상이다.
인프라가 없는 문제는 조직 신설이 아니라 시스템 구축으로 해결한다.
활용 문화 부족은 프로세스가 아니라 교육·마인드 육성으로 다룬다.
교육은 문화 문제의 처방이며 도구 부재를 해결하지 못한다.

일부 자료가 크게 벗어나도 결과가 쉽게 변하지 않는 성질을 추구하는 원칙은 저항성(Resistance)이다.
평균은 극단값 하나에도 크게 움직이지만 중앙값은 순서상 가운데 값이라 이상값의 영향을 적게 받는다.
잔차 해석: 모형으로 설명되지 않은 나머지를 살펴보는 원칙이다
재표현: 로그 변환 등으로 척도를 바꿔 해석을 쉽게 하는 원칙이다
현시성: 그래프 등으로 자료의 구조를 드러내 보이는 원칙이다

짧은 벡터 y 는 재활용되어 2, 3, 2, 3 으로 맞춰지고, %/% 와 %% 가 + 보다 먼저 계산되어 결과는 4 4 5 4이다.
몫은 7%/%2=3, 8%/%3=2, 9%/%2=4, 10%/%3=3 이고 나머지는 1, 2, 1, 1 이므로 더하면 4, 4, 5, 4 이다.
3 2 4 3: 정수 나눗셈의 몫만 계산한 값이다
1 2 1 1: 나머지 연산 결과만 계산한 값이다
4 4 3 4: y 를 2, 2, 3, 3 처럼 원소별 반복으로 재활용한 값이다

factor 를 부분 추출해도 원래 수준 정보는 그대로 남아 nlevels(s) 는 5로 출력된다.
그래서 table(s) 는 May·Jun·Sep 을 빈도 0 으로 함께 보여 주며, 빈 수준을 지우려면 droplevels 를 쓴다.
table(s): 쓰이지 않는 수준도 0 으로 모두 표시된다
droplevels: 빈 수준이 제거되어 Jul·Aug 의 2개가 남는다
Jul 빈도: 7월은 31일 자료라 table 출력에서 31이다

sapply 는 열마다 길이 1인 결과를 numeric 벡터로 단순화하고 lapply 는 항상 list 를 반환한다.
apply(swiss, 2, range) 는 열마다 최솟값·최댓값 2개를 열로 쌓으므로 2행 6열 행렬이 된다.
list list: sapply 는 단순화가 가능하면 리스트로 두지 않는다
6 2: 함수 결과가 행 방향으로 쌓여 열 수가 변수 수인 6이다
data.frame: sapply 결과는 데이터프레임이 아니라 벡터이다

summary 출력의 NAs 줄에서 Ozone 은 37, Solar.R 은 7 이므로 Ozone 결측값은 37개이다.
수식형 aggregate 는 기본으로 결측 행을 빼고 집계하므로 FUN = length 결과는 달별 비결측 개수이다.
Solar.R: 결측이 7개로 Ozone 의 37개보다 적다
6월: 30일 중 결측을 뺀 9가 출력되어 30이 아니다
평균 42.13 이 중앙값 31.50 보다 커서 맞지 않는다

결측이 있는 행은 두 변수 결측 수를 더한 뒤 동시 결측 2행을 한 번 빼야 하므로 42행이고, 남는 행은 111이다.
$153 - (37 + 7 - 2) = 153 - 42 = 111$ 이며, 결측은 Ozone 과 Solar.R 에만 있다.
109: 동시 결측 2행을 두 번 센 채로 뺀 값이다
116: Ozone 결측만 제외하고 Solar.R 결측을 무시한 값이다
146: Solar.R 결측만 제외한 값이다

학점은 크기 순서만 있는 순서척도, 우편번호는 숫자여도 지역을 구분할 뿐인 명목척도이므로 ㄱ, ㄷ 이 옳다.
출생연도는 간격은 같지만 절대 0 이 없어 구간척도이고, 체중은 0 이 없음을 뜻해 비율 비교가 되는 비율척도이다.
ㄱ, ㄴ: 출생연도는 비율척도가 아니라 구간척도이다
ㄷ, ㄹ: 체중은 구간척도가 아니라 비율척도이다
ㄴ, ㄹ: 두 연결 모두 척도가 서로 뒤바뀌어 있다

출력의 95 percent confidence interval 이 76.37~79.39 로 귀무값 80을 포함하지 않으므로 유의수준 0.05 에서 귀무가설을 기각한다.
p-value 0.006 도 0.05 보다 작아 같은 결론이며, 신뢰구간과 양측 검정의 결론은 일치한다.
확률 해석: 같은 방법을 반복할 때 구간의 95%가 모평균을 포함한다는 뜻이다
99% 구간: 신뢰수준을 높이면 구간은 더 넓어진다
표본평균 77.88 은 항상 구간의 가운데에 있다

대립가설이 참인 상황에서 귀무가설을 기각하는 옳은 결정의 확률은 검정력이며 1−β 로 나타낸다.
β 는 대립가설이 참인데 귀무가설을 채택하는 제2종 오류 확률이므로, 표본이 클수록 검정력은 커진다.
유의수준: 귀무가설이 참인데 기각하는 제1종 오류의 허용 한계이다
유의확률: 귀무가설 아래에서 관측값 이상이 나올 확률이다
신뢰수준: 구간 추정에서 모수를 포함할 것으로 보는 수준이다

연속형 결과의 평균을 세 집단 이상에서 비교하므로 일원분산분석을 쓰고, 평균제곱의 비인 F=4.0 이 검정통계량이다.
$F = \frac{SSB/(k-1)}{SSW/(N-k)} = \frac{40/2}{60/12} = \frac{20}{5} = 4.0$ 이다.
5.0: 집단 내 자유도를 N−k 가 아닌 N=15 로 나눈 값이다
3.3: 두 자유도를 모두 k=3, N=15 로 잘못 둔 값이다
카이제곱 검정: 범주형 변수 간 관계를 볼 때 쓰는 검정이다

라쏘는 계수 절댓값 합(L1), 릿지는 계수 제곱합(L2)에 λ 를 곱해 더하므로 22.5 와 26.5 이다.
$20 + 0.5(3+2+0) = 22.5$, $20 + 0.5(9+4+0) = 26.5$ 이다.
26.5, 22.5: 라쏘와 릿지의 벌점 형태를 서로 바꾼 값이다
33.0: 릿지 벌점에 λ 를 곱하지 않고 13 을 더한 값이다
25.0: 라쏘 벌점에 λ 를 곱하지 않고 5 를 더한 값이다

모든 기울기가 0 이라는 귀무가설을 한꺼번에 검정하는 것은 출력 마지막 줄의 F-statistic 과 그 p-value 이다.
p값이 유의수준보다 작으면 적어도 하나의 독립변수가 종속변수를 설명한다고 본다.
절편의 t값: 절편이 0 인지에 대한 개별 검정이다
잔차 표준오차: 예측 오차의 크기를 나타내는 값이다
계수 추정값: 변수별 영향의 크기이지 전체 유의성이 아니다

마지막 출력에서 적합값 하위 구간의 잔차 표준편차가 약 10 으로 나머지 두 구간(약 25, 23)보다 작아 등분산성이 의심된다.
이처럼 반응값이 클수록 흩어짐이 커지면 로그 변환 등을 검토한다.
잔차 평균: 최소제곱 적합에서는 절편이 있으면 항상 0 이다
관측 수: nobs 출력 116 으로 결측 행은 제외되었다
표준편차: 10.02 와 24.96 처럼 구간별 차이가 크다

판매량이 꾸준히 늘면서 12개월 주기 변동의 폭도 수준에 비례해 커지므로 추세×계절 형태의 승법 모형이 적절하다.
가법 모형은 계절 변동 폭이 수준과 관계없이 일정할 때 쓰며, 승법 계열은 로그를 취하면 가법으로 바뀐다.
가법 모형: 계절 진폭이 일정하지 않아 맞지 않는다
순환·불규칙: 일정한 12개월 주기와 상승 추세가 뚜렷하다
계절 성분만: 장기적인 상승 추세가 함께 나타난다

ARIMA(p, d, q) 에서 d=1 은 한 번 차분, q=1 은 이동평균 차수이므로 1회 차분한 계열이 MA(1) 을 따른다는 뜻이다.
이 모형은 예측식이 단순지수평활과 같아지는 것으로 알려져 있다.
AR(1)과 결합: p=0 이므로 자기회귀 항이 없고 차분도 1회 있다
PACF 절단: 시차 1 이후 PACF 절단은 AR(1) 의 특징이다
2회 차분: 차분 차수 d 가 1 이므로 한 번이면 된다

계량적 다차원 척도법 함수 cmdscale 은 관측치 간 거리행렬을 받아 각 관측치를 k차원에 배치한 47행 2열 좌표를 돌려준다.
좌표 사이의 거리가 원래 거리를 최대한 보존하도록 배치하며, 결과를 산점도로 그려 개체 간 유사성을 본다.
적재값: 변수의 선형결합 계수는 주성분 분석의 결과물이다
군집 번호: 군집분석(kmeans·cutree)이 돌려주는 값이다
순서형 입력: 서열 정보만 쓰는 것은 비계량적 MDS(isoMDS)이다

prcomp 결과의 sdev 는 각 주성분의 표준편차이므로 제곱하면 주성분의 분산, 즉 고유값이 된다.
pc$sdev^2 를 그 합으로 나누면 summary 의 Proportion of Variance 와 같은 기여율이 나온다.
pc$x: 각 관측치의 주성분 점수 행렬이다
pc$rotation: 원변수에 곱하는 적재값(고유벡터)이다
pc$center: 중심화에 쓴 변수별 평균이다

첫 출력에서 depth 분산(약 46456)이 다른 변수보다 압도적으로 커서 비표준화 PCA 의 PC1 기여율이 약 0.99 로 사실상 depth 하나를 반영한다.
단위가 다른 변수는 scale. = TRUE 로 상관행렬을 써야 하며, 이때 PC1 기여율은 약 0.63 으로 줄어든다.
표준화 후 PC1 기여율은 0.99 에서 0.63 으로 작아진다
mag: 분산이 0.16 으로 가장 작다
무관: 두 출력의 Proportion of Variance 가 크게 다르다

재현율로 TP=40·FN=10, 정밀도로 FP=10 을 구하면 TN=140 이므로 정확도 0.90, 특이도 0.93 이다.
$Accuracy = \frac{40+140}{200} = 0.90$, $Specificity = \frac{140}{140+10} \approx 0.93$ 이다.
0.80, 0.93: 정확도 자리에 재현율을 그대로 쓴 값이다
0.90, 0.80: 특이도 자리에 정밀도를 쓴 값이다
0.93, 0.90: 두 지표의 값을 서로 바꿔 적었다

ROC 곡선의 가로축은 특이도가 아니라 1−특이도(거짓 양성률), 세로축은 민감도(참 양성률)이다.
임계값을 바꿀 때마다 두 비율을 구해 이은 곡선이며, 아래 면적인 AUC 가 1 에 가까울수록 판별력이 좋다.
AUC 0.5: 대각선과 같아 무작위로 고르는 수준이다
왼쪽 위: 거짓 양성률 0, 민감도 1 인 이상적인 지점이다
임계값: 분류 기준값마다 한 점씩 얻어 곡선을 그린다

A 는 시험 300건으로 30%이고 훈련 70/700, 시험 30/300 으로 양성 비율이 모두 10%라 층화 추출 조건도 만족한다.
불균형 자료를 단순 무작위로 나누면 집단별 양성 비율이 달라질 수 있어 목표 범주 비율을 유지하는 층화 추출을 쓴다.
B: 시험 양성 비율이 20/300 ≈ 6.7% 로 원자료와 다르다
C: 양성 비율은 같지만 시험 비율이 25% 이다
D: 훈련 9%, 시험 약 12.3% 로 비율이 깨졌다

혼동행렬의 대각 원소는 맞게 분류한 건수이므로 정확도는 sum(diag(tb))/sum(tb) 이고, 오분류율은 1에서 정확도를 뺀 값이다.
행과 열의 방향과 관계없이 대각합은 같으므로 이 식은 table 인자 순서에 영향을 받지 않는다.
sum(diag)/sum: 오분류율이 아니라 정확도이다
rowSums 식: 예측 범주별 비율이라 전체 오분류율이 아니다
tb[1,2] 식: 한 칸의 실제 범주 내 비율일 뿐이다

predict 는 type 을 생략하면 선형예측자인 로그 오즈(−4.453, −0.184)를, type = "response" 면 시그모이드를 거친 확률을 낸다.
mag 5.0 의 확률은 0.454 로 0.5 보다 작으므로 0으로 분류되고, 로그 오즈가 음수면 확률은 0.5 미만이다.
mag 5.0: 확률 0.454 는 임계값 0.5 에 못 미친다
mag 계수: 8.539 로 양수라 규모가 클수록 확률이 커진다
response: 확률이므로 항상 0과 1 사이 값이다

더 이상 분리가 일어나지 않게 하고 현재 마디를 끝마디로 정하는 규칙을 정지 규칙(Stopping rule)이라 한다.
최소 관측치 수, 최대 깊이, 불순도 감소량 하한 등을 기준으로 삼아 나무가 지나치게 커지는 과적합(Overfitting)을 막는다.
분리 기준은 어떤 변수와 값으로 나눌지 정하는 척도이다.
가지치기는 다 자란 나무에서 불필요한 가지를 잘라 내는 과정이다.
배깅 결합은 여러 나무의 예측을 모으는 앙상블 기법이다.

GBM 은 앞 모형의 잔차(음의 기울기)를 순차적으로 줄이고, AdaBoost 는 오차율이 낮을수록 분류기 가중치를 크게 주므로 ㄱ, ㄴ 이 옳다.
AdaBoost 의 분류기 가중치는 $\alpha = \frac{1}{2}\ln\frac{1-e}{e}$ 로, 오차율 0.5 이면 0 이 된다.
ㄷ: 부스팅은 앞 모형 결과를 반영하는 순차 학습이다
ㄹ: 오차율 0.5 는 무작위 수준이라 가중치가 0 이다
ㄱ, ㄷ·ㄴ, ㄹ 은 틀린 진술을 하나씩 포함한다

decay 는 가중치 크기에 벌점을 주는 가중치 감쇠로, 가중치가 지나치게 커지는 것을 막아 과적합을 줄인다.
nnet 은 은닉층이 하나인 신경망이며, 은닉 노드 수는 size 로 정한다.
size: 입력층이 아니라 은닉층의 노드 수이다
maxit: 최대 반복(학습) 횟수이며 은닉층은 1개로 고정이다
linout: TRUE 면 출력층을 선형으로 두어 회귀에 쓴다

k=3 까지는 제곱합이 크게 줄다가 그 뒤로 감소 폭이 급격히 둔화되어 꺾이는 지점인 k=3 을 고른다.
군집 내 제곱합은 k 를 늘릴수록 계속 줄기 때문에 최솟값이 아니라 추가 군집의 이득이 작아지는 지점을 본다.
8: k 가 클수록 제곱합은 항상 작아져 기준이 될 수 없다
2: 감소 폭이 클 뿐 이후에도 크게 줄어 꺾이는 지점이 아니다
4: 특정 값 이하라는 기준은 엘보 기법과 관계없다

공분산행렬의 역행렬을 이용해 변수의 척도 차이와 변수 간 상관을 함께 반영하는 거리는 마할라노비스 거리이다.
상관이 높은 방향의 차이는 작게, 드문 방향의 차이는 크게 평가해 다변량 이상값 탐지에도 쓴다.
표준화 유클리드: 각 변수의 분산만 나눌 뿐 상관은 반영하지 않는다
맨해튼: 좌표 차이 절댓값의 합으로 상관을 고려하지 않는다
체비셰프: 좌표 차이 중 최댓값만 쓰는 거리이다

Apriori 는 먼저 최소 지지도로 빈발 항목집합을 찾고 그다음 최소 신뢰도로 규칙을 고르며, 3개 항목 집합의 규칙은 6개이므로 ㄱ, ㄹ 이 옳다.
규칙 수는 공집합과 전체 집합을 뺀 조건부 경우의 수로 $2^3 - 2 = 6$ 이다.
ㄴ: 최소 지지도를 높이면 통과하는 집합이 줄어든다
ㄷ: 지지도는 두 항목의 동시 출현 비율이라 방향과 무관하다
ㄴ·ㄷ 을 포함한 조합은 틀린 진술이 섞여 있다

노트북을 산 뒤 나중에 마우스를 산 고객은 첫째·넷째 고객뿐이라 순차 패턴 지지도는 0.4 이고, 순서를 무시하면 둘째 고객까지 더해 0.6 이다.
$2/5 = 0.4$, $3/5 = 0.6$ 이며, 순차 패턴은 시간 순서를 반영하므로 둘째 고객처럼 순서가 반대면 세지 않는다.
0.6, 0.4: 두 지지도를 서로 바꾼 것이다
0.4, 0.4: 둘째 고객의 두 상품 구매를 빠뜨린 값이다
0.6, 0.6: 둘째 고객을 순차 패턴에도 넣은 값이다