결측값의 의미부터 확인하기, 다음 실험으로 이어지는 회고

비어 있는 값을 모두 0으로 바꾸면 실제 0과 관찰하지 못한 상태가 섞인다.

하나의 예제를 이해했다고 주제 전체를 해결한 것은 아니다. 확인한 범위와 아직 모르는 범위를 나누어야 다음 시도가 반복 작업으로 끝나지 않는다. 이번 기록에서는 앞서 정리한 원칙을 다시 적용하고, 남은 가정을 확인할 작은 실험으로 연결한다.

결론보다 남은 질문

값이 빠진 이유와 업무상 의미를 먼저 분류한다. 대체 전략은 학습 데이터에서 정하고 필요하면 결측 여부 자체를 별도 피처로 보존한다.

이번에 확인할 질문: 이번 확인으로 알게 된 사실과 아직 검증하지 않은 가정을 구분했는가?

작게 확인하는 예제

다음 예제는 핵심 조건을 드러내기 위한 출발점이다. 서비스의 전체 구현을 대신하지 않으므로 실제 입력 범위와 실패 처리 규칙을 함께 읽어야 한다.

from sklearn.impute import SimpleImputer

imputer = SimpleImputer(strategy='median', add_indicator=True)
train_filled = imputer.fit_transform(X_train)
test_filled = imputer.transform(X_test)

실제 0, 결측, 정상 값을 구분한 작은 데이터로 대체 결과와 결측 표시 피처를 확인한다.

놓치기 쉬운 조건

결측값이 많다는 사실이 수집 과정의 변경을 의미할 수도 있다. 대체 기법만 바꾸기 전에 원천 데이터와 수집 규칙을 확인한다.

확인할 부분	살펴볼 내용
기준 동작	실제 0, 결측, 정상 값을 구분한 작은 데이터로 대체 결과와 결측 표시 피처를 확인한다.
비교 조건	입력과 실행 순서를 고정하고 한 번에 한 조건만 바꾼다.
적용 범위	예제가 생략한 의존성과 실제 서비스의 제약을 구분한다.

다음 변경에 적용할 순서

1. 실제로 확인한 결과를 조건과 함께 한 문장으로 남긴다.
2. 다른 입력이나 환경에서 달라질 가능성이 있는 가정을 고른다.
3. 다음 시도에서 한 번에 바꿀 변수 하나와 관찰 방법을 정한다.

회고가 큰 결심으로 끝나면 실행 여부를 확인하기 어렵다. 다음에 바꿀 입력 하나와 기대하는 결과 하나를 정해 두는 편이 좋다. 작은 검증이 쌓이면 주제를 다시 만났을 때 처음부터 추측하지 않고 이전의 증거 위에서 판단할 수 있다.