결측값의 의미부터 확인하기, 작은 재현 예제로 좁혀 가기

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

화면이나 실행 결과가 예상과 다를 때 전체 시스템을 한꺼번에 설명하려 하면 단서가 흐려진다. 관련 없는 의존성을 덜어 내고 조건을 하나씩 바꾸면 어느 가정이 깨졌는지 볼 수 있다. 이번에는 원인을 단정하기 전에 비교 가능한 최소 예제를 만드는 과정을 정리한다.

변수를 줄이는 순서

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

이번에 확인할 질문: 한 가지 조건만 바꾸었을 때 관찰 결과도 함께 바뀌는가?

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. 문제가 드러나는 입력과 순서를 먼저 고정한다.
2. 의존성이나 옵션을 하나씩 제거하고 같은 결과가 남는지 확인한다.
3. 원인을 설명하는 가장 작은 차이를 회귀 확인 항목으로 남긴다.

재현 예제의 목적은 짧은 코드를 자랑하는 데 있지 않다. 설명에 필요한 조건을 남기는 것이 목적이다. 실제 경로로 돌아왔을 때도 같은 원인과 해결책이 성립하는지 마지막으로 확인해야 재현 과정이 유용한 기록이 된다.