빅데이터분석기사 필기 핵심용어 암기노트 - 4

CHAPTER 4. 4과목 — 빅데이터 결과해석 핵심 용어

4-1. 혼동행렬 용어 (출제 빈도 ★★★)

【혼동행렬(Confusion Matrix)】 분류 모델의 예측 결과를 실제 값과 비교한 표. TP(True Positive): 실제 양성, 예측도 양성(정답). TN(True Negative): 실제 음성, 예측도 음성(정답). FP(False Positive): 실제 음성인데 양성으로 예측(위양성, 1종 오류). FN(False Negative): 실제 양성인데 음성으로 예측(위음성, 2종 오류)

구분	예측: 양성(Positive)	예측: 음성(Negative)
실제: 양성(Positive)	TP (True Positive) — 정확히 양성 예측	FN (False Negative) — 놓친 양성 ★
실제: 음성(Negative)	FP (False Positive) — 잘못된 양성 예측 ★	TN (True Negative) — 정확히 음성 예측

【정확도(Accuracy)】 Accuracy = (TP + TN) / (TP + TN + FP + FN). 전체 예측 중 올바른 예측 비율. 클래스 불균형 시 신뢰도 낮음

【정밀도(Precision) — Positive Predictive Value】 Precision = TP / (TP + FP). 양성으로 예측한 것 중 실제 양성 비율. FP를 줄이는 것이 중요할 때(예: 스팸 필터) 강조

【재현율/민감도(Recall / Sensitivity)】 Recall = TP / (TP + FN). 실제 양성 중 양성으로 올바르게 예측한 비율. FN을 줄이는 것이 중요할 때(예: 암 진단, 사기 탐지) 강조

【F1 점수 (F1 Score)】 F1 = 2 × (Precision × Recall) / (Precision + Recall). 정밀도와 재현율의 조화평균. 클래스 불균형 시 정확도 대신 사용. 0~1, 1에 가까울수록 좋음

【특이도(Specificity) — True Negative Rate】 Specificity = TN / (TN + FP). 실제 음성 중 음성으로 올바르게 예측한 비율. ROC 곡선의 x축(1-Specificity = FPR)과 관련

지표	정밀도(Precision)	재현율(Recall)
공식	TP / (TP + FP)	TP / (TP + FN)
분모의 의미	예측 양성 전체	실제 양성 전체
줄이는 오류	FP(위양성) 감소	FN(위음성) 감소
임계값 높이면	정밀도 ↑	재현율 ↓
중요 상황	스팸 필터, 거짓 경보 방지	암 진단, 사기 탐지

🔑 정밀도·재현율 암기: 정밀도=예측 Positive 중 진짜 / 재현율=실제 Positive 중 내가 찾은 것

4-2. 회귀 평가지표 용어

【MAE (Mean Absolute Error)】 MAE = Σ|yᵢ - ŷᵢ| / n. 오차 절댓값의 평균. 이상치에 덜 민감. 원래 단위와 동일. 직관적 해석 용이

【MSE (Mean Squared Error)】 MSE = Σ(yᵢ - ŷᵢ)² / n. 오차 제곱의 평균. 이상치에 민감(제곱으로 확대). 단위가 원래 단위의 제곱

【RMSE (Root Mean Squared Error)】 RMSE = √MSE. MSE의 제곱근. 원래 단위와 동일하여 해석 용이. 이상치에 민감(MSE와 동일)

【R² (결정계수, Coefficient of Determination)】 R² = 1 - SS_res / SS_tot. 모델이 종속변수 분산을 설명하는 비율. 0~1 범위. 1에 가까울수록 모델 설명력 높음. 0: 평균으로만 예측하는 것과 동일

지표	공식	이상치 민감	범위	해석
MAE	Σ|y-ŷ|/n	낮음(절댓값)	≥0, 낮을수록↓	평균 절대 오차 크기
MSE	Σ(y-ŷ)²/n	높음(제곱)	≥0, 낮을수록↓	평균 제곱 오차(단위²)
RMSE	√(Σ(y-ŷ)²/n)	높음(제곱 후 루트)	≥0, 낮을수록↓	원래 단위 오차 크기
R²	1-SS_res/SS_tot	낮음	0~1, 높을수록↑	분산 설명 비율(%)
Adjusted R²	1-(1-R²)(n-1)/(n-p-1)	낮음	≤R², 높을수록↑	변수 수 패널티 적용

🔑 회귀 평가지표 암기: MAE=절댓값(덜 민감) / MSE=제곱(민감) / RMSE=√MSE(원래 단위) / R²=설명력(1에 가까울수록 좋음)

4-3. 분류 고급 지표 용어

【ROC 곡선 (Receiver Operating Characteristic)】 임계값(Threshold)을 변화시키면서 FPR(위양성률, x축)과 TPR=재현율(y축)을 플로팅한 곡선. 왼쪽 위로 불록할수록 좋은 모델. 대각선(y=x)은 무작위 분류기

【AUC (Area Under the ROC Curve)】 ROC 곡선 아래 면적. 0.5(무작위)~1.0(완벽) 범위. 일반적으로 AUC>0.9: 우수, AUC>0.7: 양호, AUC<0.6: 불량. 클래스 불균형에서도 사용 가능

【로그 손실(Log Loss / Binary Cross-Entropy)】 분류 모델의 확률 예측 정확도 지표. Log Loss = -Σ[y·log(p)+(1-y)·log(1-p)]/n. 낮을수록 좋음. 확률 출력을 직접 평가

【KS 통계량 (Kolmogorov-Smirnov)】 두 누적분포함수(양성·음성)의 최대 차이값. 0~1 범위. 높을수록 모델 판별력 우수. 신용평가·이진 분류 평가에 주로 사용

4-4. 시각화 용어

차트 종류	용도	데이터 유형	예시
막대 차트(Bar)	범주 간 값 비교	범주형 x, 수치형 y	월별 매출 비교
꺾은선 차트(Line)	시간에 따른 추세	연속형(시계열)	주가 변화 추이
원 차트(Pie)	비율·구성 비교	범주형(5개 이하 권장)	시장 점유율
산점도(Scatter)	두 변수 관계·상관	연속형 x, 연속형 y	키-몸무게 상관
박스플롯(Box Plot)	분포·이상치 시각화	연속형(집단별 비교)	집단별 성적 분포
히트맵(Heatmap)	행렬 데이터 패턴	수치형 2D 행렬	상관행렬, 혼동행렬
히스토그램	분포 형태 파악	연속형 단변량	나이 분포

【박스플롯(Box Plot)】 사분위수 기반 분포 시각화. 구성: 하위 수염(Q1-1.5×IQR 이상 최솟값) → Q1(25%) → Q2(중앙값, 50%) → Q3(75%) → 상위 수염(Q3+1.5×IQR 이하 최댓값) → 이상치(점으로 표시)

【히트맵(Heatmap)】 색상의 강도로 수치값의 크기를 표현하는 2차원 시각화. 상관행렬(변수 간 상관관계), 혼동행렬, 시간×범주 패턴 분석에 활용

【워드클라우드(Word Cloud)】 텍스트 데이터에서 단어 빈도에 비례하는 크기로 단어를 시각화. 자주 등장하는 단어일수록 크게 표시. 텍스트 요약·주제 파악에 활용

4-5. 모델 해석 용어 (XAI)

【XAI (Explainable AI)】 블랙박스 AI 모델의 예측 과정과 결과를 사람이 이해할 수 있도록 설명 가능하게 만드는 기술 영역. 금융·의료 등 고위험 의사결정 분야에서 중요성 증가

【SHAP (SHapley Additive exPlanations)】 게임이론의 샤플리 값(Shapley value)을 기반으로 각 특성(Feature)이 예측에 기여하는 정도를 설명. 전역적(Global) + 지역적(Local) 설명 모두 제공. 모델 무관(Model-agnostic)

【LIME (Local Interpretable Model-agnostic Explanations)】 개별 예측(Local) 근방에서 단순한 해석 가능 모델(선형 모델 등)로 근사하여 설명. 특정 예측 사례에 대한 설명에 특화. 모델 무관

【특성 중요도(Feature Importance)】 트리 기반 모델(의사결정나무, 랜덤포레스트, XGBoost)에서 각 변수가 예측에 기여하는 정도를 순위로 제공. 불순도 감소량(지니/엔트로피) 또는 순열 중요도 기반

4-6. OX 퀴즈 (15문항)

문 제	O/X	해설·근거
F1 점수는 정밀도와 재현율의 산술평균이다	X	조화평균(Harmonic Mean). 산술평균보다 낮은 값. 공식: 2×P×R/(P+R)
AUC가 0.5이면 무작위 분류기와 동일한 성능이다	O	AUC=0.5는 ROC 대각선 = 무작위 추측과 동일
재현율(Recall) = TP / (TP + FP)이다	X	Recall = TP / (TP + FN). TP/(TP+FP)는 정밀도(Precision)
정밀도(Precision)는 예측 양성 중 실제 양성의 비율이다	O	Precision = TP / (TP + FP)
RMSE는 MSE의 세제곱근이다	X	RMSE = √MSE (제곱근). 세제곱근이 아님
R²(결정계수)가 1에 가까울수록 모델 설명력이 높다	O	R²=1: 완벽한 예측, R²=0: 평균값만 사용
MAE는 이상치에 MSE보다 더 민감하다	X	MSE가 더 민감. MSE는 오차를 제곱하므로 이상치 영향이 커짐
ROC 곡선의 x축은 TPR(진양성률)이다	X	x축은 FPR(위양성률, False Positive Rate). y축이 TPR
임계값을 높이면 정밀도가 높아지고 재현율은 낮아지는 경향이 있다	O	임계값↑ → 양성 예측 줄어듦 → 정밀도↑, 재현율↓
특이도(Specificity) = TN/(TN+FP)이다	O	실제 음성 중 음성으로 올바르게 예측한 비율
SHAP는 개별 예측에 대한 각 특성의 기여도를 설명한다	O	지역적(Local) + 전역적(Global) 설명 모두 가능
혼동행렬에서 FP는 실제 음성을 양성으로 잘못 예측한 것이다	O	False Positive: 실제 음성 → 예측 양성(위양성)
박스플롯에서 수염(whisker)은 항상 데이터의 최대·최솟값을 나타낸다	X	수염은 Q1-1.5×IQR ~ Q3+1.5×IQR 범위 내 실제 최대·최솟값
Log Loss는 높을수록 좋은 모델이다	X	Log Loss는 낮을수록 좋음(오차 지표)
정확도(Accuracy)는 클래스 불균형 데이터에서 신뢰할 수 있는 지표이다	X	클래스 불균형 시 F1, AUC, Precision, Recall 사용 권장

4-7. 빈칸 노트 (10문항)

Q. 정확도(Accuracy) 공식은 ___이다   → 정답: (TP+TN) / (TP+TN+FP+FN)

Q. 정밀도(Precision) 공식은 ___이다   → 정답: TP / (TP + FP)

Q. 재현율(Recall) 공식은 ___이다   → 정답: TP / (TP + FN)

Q. F1 점수 공식은 ___이다   → 정답: 2 × (Precision × Recall) / (Precision + Recall)

Q. MAE 공식은 ___이다   → 정답: Σ|yᵢ - ŷᵢ| / n

Q. MSE 공식은 ___이다   → 정답: Σ(yᵢ - ŷᵢ)² / n

Q. ROC 곡선에서 x축은 ___, y축은 ___이다   → 정답: FPR(위양성률, False Positive Rate), TPR(재현율, True Positive Rate)

Q. AUC가 ___이면 무작위 분류기와 동일하다   → 정답: 0.5

Q. R²(결정계수)가 ___에 가까울수록 모델 설명력이 높다   → 정답: 1

Q. 임계값을 높이면 ___는 올라가고 ___는 내려간다   → 정답: 정밀도(Precision), 재현율(Recall)