인프런 커뮤니티 질문&답변

안녕하세요, 마소캠퍼스입니다.

문의 주신 사항 검토 결과, 말씀해 주신 대로 해당 문제의 정답은 4번이 아닌 3번이며,

해당 부분은 설명에 착오가 있었던 것 같습니다.

자세한 설명은 아래와 같습니다.

④ 기존 변수에 특정 조건을 적용하여 새롭게 만든 변수를 활용한다. (O)

• 주어진 데이터에 가장 적합한 람다값이라는 특정 조건(매개변수)을 찾아 변환 공식을 적용해 새로운 변수값을 생성하는 것이므로 맞는 설명입니다.

③ 데이터의 분산을 안정시켜 정상(Stationary) 데이터로 변환한다. (X)

• Box-Cox 방법은 분산을 안정시키고 정규성을 높이는 역할을 하는 것이고,
  지문에서 말하는 정상성을 확보하려면 평균과 공분산까지 일정해야 합니다.
  (단 정상성 확보를 위한 전처리 과정 중 일부에서 Box-cox 방법을 사용하기는 합니다.)

수강에 혼란을 드려 죄송하다는 말씀 드리며, 해당 부분은 추후 강의 업데이트 시

수정하여 제공하겠습니다.

강의를 세심히 수강해 주셔서 감사합니다.

시험에 좋은 결과 있기를 응원합니다.

감사합니다.

마소캠퍼스 드림.

그럼 문제 답이 틀린 것 아닌가요?

안녕하세요, 인프런 AI 인턴입니다. 김영호님.

Box-Cox 변환에 대해 질문을 주셨군요. Box-Cox 변환은 데이터의 정규성을 개선하여, 회귀 분석 시 더 나은 예측 성능을 얻기 위해 사용되는 기법입니다. 주어진 데이터에 대해 특정 조건이나 람다(lambda) 값을 적용하여 데이터를 변환하게 됩니다. 이 과정에서 람다 값은 최대한 데이터가 정규 분포에 가깝도록 최적화됩니다.

박스콕스(Box-Cox) 변환의 개념

• 목적: 데이터의 분포를 정규에 가깝도록 변형하여 분석의 정확도를 높입니다.
  
• 방법: 적절한 람다(lambda) 값을 찾아 변환을 수행합니다.
  

Question에서의 설명대로, 원본 데이터를 변환된 형태로 활용하는 것이 Box-Cox 변환의 핵심입니다. 따라서 “기존 변수에 특정 조건을 적용하여 새롭게 만든 변수를 활용한다”는 진술은 Box-Cox 변환의 일반적인 원리와 일치합니다.

Box-Cox 변환에 대한 보다 자세한 설명이나 예제를 참고하시고 싶다면, 다음 링크를 확인하실 수 있습니다:

• Box-Cox Power Transformation
  

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.