[데이터분석]🧹 결측, 그 빈칸을 채우는 법

― 이대로만 해도 ‘그나마’ 안 망한다 ― 데이터 분석을 하다 보면 이런 말 자주 듣습니다. “아 그거 결측 많아요. 그냥 평균으로 넣었어요.”“결측치 많아서 모델이 안 돌아가요.”“삭제했는데 성능 왜 이러죠?” 결측치는 분석가의 발목을 붙잡는 은근한 복병입니다.실제 업무에선 단순히 "채운다"나 "지운다"로는 해결 안 됩니다.결측이 왜 생겼고, 어떤 종류고, 무엇을 위해 다루는지에 따라전략이 완전히 달라져야 합니다. 1️⃣ 실무에서 마주치는 결측치, 이건 알아야 합니다 종류설명예시실무적 함의MCAR (Missing Completely at Random)완전히 무작위 결측설문 중 실수로 빠뜨림제거해도 영향 적음MAR (Missing at Random)특정 변수에 따라 결측 확률 다름나이 많은 응답자가 ..

• format_list_bulleted 데이터분석
• · 2025. 4. 25.
• textsms

[보고서] 인과추론의 A to Z

인과관계 연구 설계 및 인과추론 방법론 인과관계를 정확히 추론하기 위한 연구 설계의 핵심 요소들과 다양한 인과추론 기법들 📑 목차 1. 연구 설계 (Study Design) 2. 제외 기준 (Exclusion Criteria) 3. 데이터 선택 (Data Selection) 4. 연구 방법론 (Methodology) 5. 인과추론 기법..

• format_list_bulleted 보고서
• · 2025. 4. 14.
• textsms

[보고서] 머신러닝 톺아보기

머신러닝 데이터에서 학습하는 인공지능의 핵심 기술 목차 머신러닝 기본 개념 머신러닝의 유형 머신러닝 알고리즘 모델 평가 및 선택 머신러닝 파이프라인 머신러..

• format_list_bulleted 보고서
• · 2025. 4. 3.
• textsms