열심히는 했는데 뭔가 불안한 당신을 위한 마지막 점검
[공통]
help(),dir(),__all__로 모든 걸 해결할 수는 없어요.
막상 시험장에서 처음 쓰면 생각보다 어색하니, 미리 시험 환경에서 테스트 해보세요자리 키보드·마우스·컴퓨터가 이상하면 테스트 시간 직후, 시험 시작 전에 자리 변경을 요청하세요. 중간에 바꾸려 하면 멘탈이 흔들립니다. 문제는 초반에 바로 해결하고 가는 게 좋아요.
여러번 제출 가능한데 한번 제출하고나면 "제출"라고 나타납니다. "제출"로 뜨다보면 다시 제출 한다고 했다가 깜박할 수도 있으니 주의해 주세요. 마지막 제출본으로 체점합니다.
[작업형1]
상단 데이터 탭 → '기본보기' 클릭 후
Ctrl + F로 찾아서라도 확인하세요. "눈으로라도 풀어보겠다"는 마음으로 접근하면 됩니다.정답만 맞으면 됩니다. 과정 코드가 어떻든 상관없어요. 깔끔한 코드보다 정확한 답이 우선입니다.
groupby는 확실히 숙지하고 가세요. 피벗까지는 아니어도 그룹별 집계는 눈으로 풀기 어렵습니다. 이건 코드로 처리해야 해요.결과는 반올림·소수점 자리수·정수 변환 지시를 꼭 확인하세요.
round()를 빠뜨리거나 자리수를 틀려서 정답을 코앞에서 놓치는 경우가 많습니다.정렬 문제는 오름차순/내림차순, 동점 처리를 잘 보세요.
sort_values()의ascending옵션,reset_index여부까지 챙기면 좋습니다.조건 필터링 시
&,|와 괄호를 정확히.df[(조건1) & (조건2)]에서 괄호 빼먹으면 에러납니다.
조건을 cond 변수에 넣는다면 괄호 필요 없음날짜 데이터는
pd.to_datetime()으로 변환 후.dt.year,.dt.month,.dt.dayofweek등을 쓸 수 있게 해두세요. 요일·월별 집계 문제가 종종 나옵니다.자주 쓰는 함수는 손에 익혀두기:
value_counts(),nlargest()/nsmallest(),quantile()(IQR 이상치 문제),fillna(),drop_duplicates(),astype().이상치·결측치 문제는 문제에서 준 기준(IQR, 표준편차, 특정 조건)을 그대로 따르세요. 본인이 아는 방식으로 임의 적용 금지.
[작업형2]
모델을 1개만 쓸 거라면 lightgbm으로 전체 학습하고 끝내면 됩니다.
2~3개 이상 쓸 거라면 검증 후 비교하세요. 평가 지표가 헷갈리면 본인이 확실히 아는 지표로라도 비교하면 됩니다.
rf, lgb, xgb 위주로 보세요. 이 외 모델이 더 좋은 성능을 내는 경우는 아주 드뭅니다.
비교가 끝났다면 전체 데이터로 다시 학습하는 것도 추천해요. 데이터마다 달라 성능 향상을 장담할 순 없지만, 11회처럼 불균형이 심각하다면 저는 전체로 학습하겠습니다.
불균형 데이터라고 파라미터·하이퍼파라미터를 만진다고 성능이 무조건 오르진 않아요. 오히려 기본값일 때 가장 좋은 성능이 나오기도 합니다. 불안하면 기본 + 전체 학습
스케일링에 너무 힘 빼지 마세요. rf, lgb, xgb는 모두 트리 계열 모델이라 스케일링에 따른 성능 변화가 미미합니다.
train/test 컬럼을 똑같이 맞추세요. 인코딩·전처리는 train과 test에 동일하게 적용해야 합니다. 원-핫 인코딩 후 컬럼 개수가 달라지는 실수가 있어요. 아직 기출에서 나온 적은 없지만 예시 문제에 있으니, train과 test를 합쳐서 처리하는 방법도 할 줄 알아야 합니다.
예측 대상(target)을 명확히 하세요. 확률을 요구하는지(
predict_proba), 클래스를 요구하는지(predict) 문제를 정확히 읽으세요. roc_auc면 확률, f1·accuracy면 보통 클래스입니다.제출 형식을 문제 그대로 맞추세요. 파일명, 컬럼명, 인덱스 포함 여부(
index=False)까지. 행의 수 틀리면 0점 입니다.시간이 부족하면 성능향상 욕심내지 말고 일단 lightgbm으로 끝까지 돌려서 제출 파일부터 완성하세요. 완성이 우선, 최적화는 그다음입니다.
[작업형3]
작업형3은 "분석하시오" 같은 서술형·자유 분석 문제가 아닙니다. 문제에서 요구하는 분석만 정확히 시행하면 됩니다. 임의로 분석을 추가하거나 확장할 필요 없어요. 묻는 값만 구해서 출력하세요. 등분산인지 아닌지 문제에서 묻지도 않은 분석 수행 X
C() 사용은 분석 종류에 따라 다릅니다. 여기서 헷갈리는 분이 정말 많아요.
분산분석(ANOVA): 독립변수(범주형)에 모두
C()를 사용합니다.예:
ols('y ~ C(집단)', data=df), 이원배치라면ols('y ~ C(A) + C(B) + C(A):C(B)', data=df)집단 간 차이를 보는 분석이라 독립변수를 범주형으로 처리해야 하기 때문입니다.
회귀 / 로지스틱 회귀:
C()를 함부로 쓰지 마세요.연속형(숫자) 변수는 그대로 넣습니다.
"이 변수는 숫자처럼 보이지만 범주형으로 처리하라"는 명시적 언급이 문제에 있을 때만
C()를 씁니다.임의 판단 금지!
summary() 읽는 법을 반드시 익혀두세요. 회귀·로지스틱 회귀에서 계수(coef), p-value, R-squared, 오즈비 등을 표에서 바로 찾아 답할 수 있어야 합니다. 포기하지 말고 이것만이라도 보고 가세요.
가설검정은 유의수준(보통 0.05)과 p-value 비교가 핵심입니다. p < 0.05면 귀무가설 기각. 어떤 게 귀무/대립가설인지 문제에서 확인하세요.
검정 종류를 정확히 고르세요 (단)일표본/대응(쌍체)표본/독립표본 t검정, 카이제곱(독립성·적합성), 상관분석, ANOVA 등을 보고 판단합니다.
소수점 자리수, 반올림 지시는 작업형3에서도 똑같이 챙기세요.
print()출력도 잊지 말고요.
작업형마다 어려운 문제가 1~2개씩 나올 수 있어요. 그 문제만 붙잡고 시간 다 쓰지 마세요. 어려운 문제는 잠시 두고, 풀 수 있는 다른 문제부터 확실히 검증하면서 점수를 챙기세요. 만점이 목표가 아닙니다. 70점, 합격이 목표예요!여기까지 준비하신 것만으로도 충분히 합격권입니다. 화이팅!! 시험 잘 보고 오세요! 💪
여러분의 합격을 응원합니다. - 퇴근후딴짓-