구간화 — 이산화 — 는 위 그림처럼 연속 열을 몇 개의 정렬된 구간으로 묶습니다. 나이는 연령대가 되고, 소득은 소득 구간이 됩니다. 세부가 더 안정적이고 읽기 쉬운 범위로 매끄러워집니다.
Note
구간화는 거래입니다: 세밀한 정밀도를 포기하는 대신 잡음과 이상치에 대한 강건함, 그리고 더 해석 가능한 특성을 얻습니다.
구간을 나누는 세 방법
| 방법 | 경계를 정하는 방식 |
|---|---|
| 등폭 | 구간마다 같은 값 범위 — 단순하지만 비거나 몰릴 수 있음 |
| 등빈도 | 구간마다 같은 개수(분위수) — 균형, 경계는 가변 |
| 사용자 정의 | 도메인 기반 절단점 — 있을 때 가장 의미 있음 |
등빈도(분위수) 구간은 각 구간이 비슷한 수의 행을 담아 안전한 기본값입니다.
구간화가 도움될 때
- 이상치 길들이기 — 극단값이 지배하지 않고 상위 구간에 들어감
- 가독성 — '상/중/하'가 원시 숫자보다 빠르게 전달
- 비선형 계단 포착 — 행동이 급변하는 임계값
해로울 때
모든 구간 경계는 그 안의 차이를 버립니다 — 같은 구간의 매우 다른 두 값이 모델에게 동일해집니다. 대부분의 트리·선형 모델에서 매끄러운 관계를 구간화하면 그저 신호를 버립니다.
Watch out
반사적으로 구간화하지 마세요. 원시 연속값이 진짜 신호를 담으면 유지하고 — 강건함이나 해석성이 정밀도보다 정말 중요할 때만 구간화하세요.
SKARI 데이터 편집기의 구간화
데이터 편집기는 구간화된 열을 파생 열로 만듭니다: 원본 열과 절단점이나 분위수 개수를 고르고, 구간을 미리 보고, 원본을 구간화 버전과 나란히 유지합니다.
- 어떤 수치 열에도 등폭·분위수 구간
- 각 구간에 행이 어떻게 들어가는지 보는 분포 미리보기
- 추적되는 파이프라인 단계로 추가된 구간 열, 원본 보존
Takeaway
원시 열과 구간 열을 모두 유지합니다 — 그래서 구간에 눈감고 맡기지 않고 비교할 수 있습니다.
자주 묻는 질문
등폭과 등빈도 중?
대개 등빈도가 안전합니다 — 데이터가 치우쳤을 때 거의 빈 구간을 피합니다. 균일한 데이터엔 등폭도 괜찮습니다.
구간을 몇 개로?
해석 가능할 만큼 적게, 신호를 유지할 만큼 많게 — 흔히 4~10개. 정하기 전에 개수를 미리 보세요.
구간화가 트리 모델에 도움되나요?
드뭅니다 — 트리는 이미 자체 임계값을 찾습니다. 구간화는 가독성이나 계단 효과가 필요한 선형 모델에 가장 유용합니다.
결론
구간화는 연속 열을 읽기 쉽고 강건한 그룹으로 바꿉니다 — 해석성이나 이상치 저항이 중요할 땐 진짜 이득이고, 아닐 땐 조용한 신호 손실입니다. 방법을 고르고, 원본을 유지하고, 의도적으로 구간화하세요.
Takeaway
범위가 정확한 숫자보다 더 많이 말할 때 연속값을 묶으세요 — 의도적으로, 필요했던 신호를 대가로 치르지 말고.
특성 공학
다른 파생 특성 속의 구간화
범주형 인코딩
방금 만든 그룹 인코딩하기
이상치 탐지
구간화로 지우는 것의 대안