빅데이터분석기사 필기, 정규화 vs 표준화
"정규화랑 표준화... 둘 다 숫자 범위 맞추는 거 아닌가요? 계산 문제 나오면 헷갈려요."
빅데이터분석기사 필기 2과목(빅데이터 탐색) 전처리 파트에서 가장 많이 헷갈리는 지점입니다. 둘 다 "스케일을 맞춘다"는 목적은 같지만, 무엇을 기준으로 맞추느냐가 완전히 다릅니다.
1. 범위를 맞추느냐, 분포를 맞추느냐
정규화(Normalization, Min-Max 정규화)는 데이터를 0과 1 사이로 압축합니다. 최솟값을 0, 최댓값을 1로 놓고 그 사이 값들을 비율로 재배치하는 방식입니다.
표준화(Standardization, Z-score)는 다릅니다. 데이터를 평균 0, 표준편차 1인 분포로 바꿉니다. 값이 평균에서 얼마나 떨어져 있는지를 표준편차 단위로 재표현하는 방식입니다.
두 공식의 차이가 헷갈릴 땐 이렇게 기억하면 됩니다. 정규화는 "최솟값·최댓값"을 기준으로, 표준화는 "평균·표준편차"를 기준으로 계산합니다. 시험에 계산 문제가 나오면 분모에 뭐가 들어가는지만 보고 바로 구분할 수 있습니다.
2. 시험이 좋아하는 함정 — 이상치가 있을 때
두 방법의 진짜 차이는 이상치(극단값)가 섞여 있을 때 드러납니다.
정규화는 최솟값과 최댓값을 직접 기준으로 삼기 때문에, 이상치 하나가 min이나 max 자리를 차지하는 순간 나머지 데이터가 전부 좁은 구간으로 몰려버립니다. 반면 표준화는 평균과 표준편차를 기준으로 삼는데, 이 값들도 이상치에 영향을 받긴 하지만 정규화만큼 극단적으로 왜곡되지는 않습니다.
그래서 시험에는 "이상치가 많은 데이터에는 정규화보다 표준화가 상대적으로 적합하다"는 문장이 옳은 보기로 자주 나옵니다. "정규화가 이상치에 영향을 받지 않는다"는 선지가 나오면 틀린 보기입니다.
3. 실전 감각 점검 — 이 문제 풀리나요?
어느 데이터셋의 값이 10, 12, 13, 15, 200(이상치)로 구성되어 있다.
Q. 이 데이터를 정규화(Min-Max)하면 10, 12, 13, 15는 어떻게 될까요?
이상치 200이 최댓값이 되면서, 분모 (max - min) = 200 - 10 = 190이 매우 커집니다. 그 결과 10, 12, 13, 15는 각각 (10-10)/190=0, (12-10)/190≈0.01, (13-10)/190≈0.016, (15-10)/190 ≈ 0.026로, 거의 다 0에 가깝게 뭉쳐버립니다. 정상적인 값들 사이의 차이가 거의 사라지는 셈입니다. 같은 데이터를 표준화했다면 이렇게까지 극단적으로 뭉치지는 않습니다.
이 계산이 자연스러웠다면 정규화·표준화 개념은 잡힌 겁니다. 아직 헷갈린다면, 데이터에 이상치가 있는지부터 확인하고 "최솟값·최댓값 기준인지, 평균·표준편차 기준인지"를 떠올리는 연습이 가장 빠릅니다.
정규화와 표준화를 문제로 굳히고 싶다면
『빠르게 따는 빅데이터분석기사』 필기서에서는 오늘 다룬 정규화·표준화뿐 아니라 결측치·이상치 처리, 데이터 불균형 처리까지 이어지는 2과목 전처리 흐름을 그림과 기출변형 문제로 함께 다룹니다. 해설은 정답의 이유뿐 아니라 나머지 보기가 왜 틀렸는지까지 '오답 노트' 방식으로 풀어냈습니다.
책 없이도 지금 바로 실력을 점검하고 싶다면, 골든래빗 CBT에서 빅데이터분석기사 기출변형 문제를 실제 시험과 같은 화면으로 풀어볼 수 있습니다.
🖥️ 골든래빗 CBT에서 빅데이터분석기사 문제 풀어보기
공부하다 막히는 부분은 빠따 빅데이터분석기사 공식 카카오톡 질문방에서 저자에게 직접 물어볼 수 있습니다.
