이상치 제거 전에 할 질문, 경계 조건에서 다시 살펴보기

평균에서 멀리 떨어진 값을 모두 지우면 중요한 드문 사건까지 사라질 수 있다.

대표 예제 하나가 통과해도 기능의 경계가 명확해진 것은 아니다. 값이 없거나 예상보다 많을 때, 실행이 늦어지거나 순서가 바뀔 때 다른 규칙이 숨어 있을 수 있다. 이번 기록에서는 정상 경로를 유지한 채 입력 범위를 넓혀 보고 무엇을 허용할지 구분한다.

정상 경로 밖의 입력

이상한 값이 수집 오류인지 유효하지만 드문 사례인지 먼저 구분한다. 삭제 기준은 평가 데이터의 결과에 맞춰 조정하지 않고 업무 의미와 학습 데이터에서 정한다.

이번에 확인할 질문: 예상 범위를 벗어난 입력은 조용히 다른 결과를 만들지 않고 구분되는가?

작게 확인하는 예제

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

import numpy as np

q1, q3 = np.quantile(train_values, [0.25, 0.75])
iqr = q3 - q1
lower, upper = q1 - 1.5 * iqr, q3 + 1.5 * iqr
flagged = (train_values < lower) | (train_values > upper)

표시된 사례 몇 개를 원천 기록과 대조하고 제거 전후 어떤 집단이 줄어드는지 확인한다.

놓치기 쉬운 조건

사분위 범위 규칙은 검토 후보를 찾는 방법이지 오류 판정의 근거 자체는 아니다. 자연스럽게 긴 꼬리를 가진 분포에 그대로 적용하지 않는다.

확인할 부분	살펴볼 내용
기준 동작	표시된 사례 몇 개를 원천 기록과 대조하고 제거 전후 어떤 집단이 줄어드는지 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. 빈 값과 최소 크기부터 확인 범위를 넓힌다.
2. 한 번에 여러 경계를 섞지 않고 각각의 결과를 기록한다.
3. 지원하지 않는 조건은 허용 범위와 함께 분명하게 설명한다.

모든 입력을 성공시켜야 좋은 인터페이스가 되는 것은 아니다. 지원 범위를 예측할 수 있고 실패 이유가 분명한 편이 더 다루기 쉽다. 경계 조건을 문서와 예제에 함께 남겨야 다음 구현에서도 같은 기준을 적용할 수 있다.