2026 ADP 실기 12 | 시계열 차분·나이브·롤링 검증 — 표·코드·풀이

실기 · 컴퓨터 작업형

시간순서가 있는 매출 자료에서 차분을 계산하고 직전값을 예측으로 사용하는 기준모형을 평가합니다. 미래를 섞지 않고 6월까지 학습·7~8월 검증이라는 조건을 고정합니다.

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. 차분

전체 1차 차분을 구하세요.

작업 2. 분할

1~6월 학습과 7~8월 검증을 나누세요.

작업 3. 고정 원점

6월값 23을 7~8월 모두 예측하는 나이브 MAE를 구하세요.

작업 4. 롤링 원점

7월 실제값을 관찰한 뒤 8월을 예측하는 한 단계 MAE를 구하세요.

작업 5. 드리프트

학습 평균 차분 2.6으로 7월·8월을 예측하세요.

작업 6. 정책 비교

고정 원점과 롤링 원점을 같은 평가로 보면 안 되는 이유는?

전체 풀이 — Python

import pandas as pd
import numpy as np
d=pd.read_csv("data.csv")
tr=d.amount.iloc[:6];te=d.amount.iloc[6:]
fixed=np.repeat(tr.iloc[-1],len(te))
rolling=d.amount.shift(1).iloc[6:]
drift=tr.iloc[-1]+((tr.iloc[-1]-tr.iloc[0])/(len(tr)-1))*np.arange(1,3)
print(d.amount.diff().dropna().tolist())
print(np.mean(abs(te.to_numpy()-fixed)),np.mean(abs(te.to_numpy()-rolling.to_numpy())))
print(drift)

같은 계산 — R

d<-read.csv("data.csv");x<-d$amount
print(diff(x));print(mean(abs(x[7:8]-x[6])))
print(mean(abs(x[7:8]-x[6:7])))
print(x[6]+(x[6]-x[1])/5*c(1,2))

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.