빅데이터 분석기사 필기 : 빅데이터 탐색 (2과목) 문제은행 (문제 풀이)

객관식

1. '혼동 행렬(Confusion Matrix)'에 대한 설명으로 가장 옳은 것은?

분류 모델의 예측값과 실제값을 양성·음성 기준으로 TP·FP·FN·TN 네 칸으로 집계한 행렬이다.

여러 변수 간 상관계수를 행렬 형태로 정리한 것이다.

다수 분류 모델의 성능을 비교하는 ROC 관련 행렬이다.

회귀 계수와 유의확률을 출력한 결과 테이블이다.

객관식

2. '교차표(Cross Table)'에 대한 설명으로 가장 옳은 것은?

두 범주형 변수의 결합 빈도를 행·열 형태로 정리해 변수 간 관계와 분포를 파악하는 요약 도구다.

연속형 변수를 구간별로 나눠 빈도를 나타내는 도구다.

두 연속형 변수 간 공분산과 상관계수를 정리한 표다.

회귀 모델의 계수와 유의확률을 정리한 출력 결과표다.

객관식

3. 다음 상황에서 가장 적절한 개념은?
고객 ID가 동일한 레코드가 두 번 적재됐고, 일부 날짜 필드가 형식 불일치 상태다.

데이터 정제

모델 배포

피처 스케일링

교차 검증

객관식

4. 't-SNE'에 대한 설명으로 가장 옳은 것은?

고차원 데이터의 지역 구조를 보존하며 2~3차원으로 비선형 시각화하는 매니폴드 학습 기법이다.

분산을 최대 보존하는 직교 주성분으로 투영하는 선형 차원축소 기법이다.

클래스 간 분리를 최대화하는 지도 차원축소 기법이다.

희소 행렬을 잠재 요인으로 분해해 추천 시스템에 활용하는 기법이다.

객관식

5. '전진 선택법(Forward Selection)'에 대한 설명으로 가장 옳은 것은?

변수가 없는 상태에서 시작해 예측 성능을 가장 많이 향상시키는 변수를 순차적으로 추가하는 래퍼 방법이다.

모든 변수를 포함한 상태에서 시작해 기여도가 낮은 변수를 하나씩 제거하는 방법이다.

모든 가능한 변수 부분집합을 탐색해 최적 조합을 찾는 방법이다.

L1 정규화로 계수를 0으로 수렴시켜 자동으로 변수를 선택하는 방법이다.

객관식

6. '데이터 파이프라인 품질 검증'에 대한 설명으로 가장 옳은 것은?

ETL 각 단계에서 스키마 적합성·범위·중복·참조 무결성 등 규칙을 자동 점검해 적재 전 데이터 품질을 보장하는 과정이다.

머신러닝 학습 후 테스트셋 성능을 평가하는 과정이다.

데이터를 클라우드 스토리지에 압축해 전송하는 과정이다.

API 응답 속도와 처리량을 모니터링하는 과정이다.

객관식

7. '평균 대체법'에 대한 설명으로 가장 옳은 것은?

결측값을 해당 변수의 관측값 평균으로 채우는 단순 대체 방법이다.

결측값이 있는 레코드 전체를 삭제하는 방법이다.

다른 변수와의 회귀 관계를 이용해 결측값을 추정하는 방법이다.

결측 패턴에 따라 다중 데이터셋을 생성해 분석하는 방법이다.

객관식

8. '시계열 분해(Time Series Decomposition)'에 대한 설명으로 가장 옳은 것은?

시계열 데이터를 추세(Trend)·계절성(Seasonality)·잔차(Residual) 성분으로 분리해 각 패턴을 개별 분석하는 기법이다.

시계열 데이터의 미래값을 예측하는 ARIMA 기반 모델링 기법이다.

시계열 데이터를 공간 좌표에 매핑해 지역별 분포를 분석하는 기법이다.

두 시계열 데이터 간의 교차상관을 분석하는 통계 기법이다.

객관식

9. '텍스트 데이터 탐색'에 대한 설명으로 가장 옳은 것은?

단어 빈도·TF-IDF·워드 클라우드 등으로 텍스트 내 주요 키워드와 어휘 분포를 파악하는 비정형 데이터 탐색 과정이다.

이미지 픽셀값의 히스토그램으로 밝기 분포를 분석하는 탐색 과정이다.

시계열 텍스트 로그에서 자기상관으로 반복 패턴을 찾는 탐색 과정이다.

범주형 텍스트 변수를 원핫 인코딩해 모델 입력으로 변환하는 과정이다.

객관식

10. '무작위 결측(MAR)'에 대한 설명으로 가장 옳은 것은?

결측 발생이 다른 관측 가능한 변수의 값에는 의존하지만 결측된 변수 자체의 값에는 의존하지 않는 경우다.

결측 발생이 어떤 변수와도 무관하게 발생하는 경우다.

결측된 변수의 실제 값이 결측 여부를 결정하는 경우다.

결측값을 단순 삭제해도 분석 편향이 전혀 없는 경우다.