2026 ADP 실기 4 | 표준화·min-max·미래 범위 — 표·코드·풀이

실기 · 컴퓨터 작업형

변환 모수를 학습 자료에서만 구하고 새로운 값을 같은 기준으로 변환합니다. 표본 표준편차와 모집단식 표준편차의 차이를 명시하여 도구 기본값을 혼동하지 않도록 합니다.

데이터·Python·R 풀이 파일 내려받기 (.zip)

실습 준비

• ZIP을 풀고 데이터 파일과 풀이 코드를 같은 폴더에 둡니다. 원본은 합성된 연습 데이터입니다.
• Python 풀이는 pandas·NumPy와 해당 코드의 scipy 또는 scikit-learn을 사용할 수 있는 환경에서 실행합니다. R 코드가 포함된 경우 base R로 실행할 수 있습니다.
• 먼저 작업 지시만 보고 풀고, 아래 해설에서 결과·분모·자료형을 대조합니다.
• 이 표에서 빈 값은 미입력입니다. 숫자 0이나 문자 NULL로 임의 치환하지 않습니다.

원본 표

작업 1. 학습 범위

train 행만 선택해 평균·최소·최대를 구하세요.

작업 2. 표준편차

ddof=0인 모집단식 학습 표준편차를 구하세요.

작업 3. z값

같은 평균·표준편차로 test40을 변환하세요.

작업 4. min-max

학습 최소 10·최대 30으로 test40을 변환하세요.

작업 5. 누수 점검

40까지 포함해 기준을 다시 계산하면 왜 평가 절차가 달라지는지 설명하세요.

작업 6. 상수 변수

학습값이 모두 20이면 min-max 분모는 무엇이며 어떤 정책이 필요한가요?

전체 풀이 — Python

import pandas as pd
import numpy as np
d=pd.read_csv("data.csv")
tr=d.loc[d.part=="train","value"]
te=d.loc[d.part=="test","value"]
mu,sd=tr.mean(),tr.std(ddof=0)
print(mu,sd)
print((te-mu)/sd)
print((te-tr.min())/(tr.max()-tr.min()))

같은 계산 — R

d<-read.csv("data.csv")
x<-d$value[d$part=="train"]; y<-d$value[d$part=="test"]
s<-sqrt(mean((x-mean(x))^2))
print((y-mean(x))/s)
print((y-min(x))/(max(x)-min(x)))

제출 전 점검

• 요구한 열·행 수·순서·자료형이 맞는지 결과를 다시 읽습니다.
• 평균·분산·검정에서 분모와 보정 옵션을 확인합니다.
• 학습에서 정한 전처리를 검증·시험에 그대로 적용했는지 확인합니다.
• 설명 문장에서는 유의성과 효과 크기, 예측과 인과를 구분합니다.

범위 확인

2026년 학습 범위를 기준으로 구성했습니다. 시험 시행기관의 자격 안내·출제 기준에서 과목과 변경 공지를 확인할 수 있습니다.

예상 모의문제입니다.