데이터의 한 줄(고객 한 명, 상품 하나)을 설명하는 칸 하나하나가 속성이다. 칸에 든 값으로 할 수 있는 계산은 속성의 종류마다 다르다. 이름표 같은 값은 같은지 다른지만 따질 수 있고, 순서가 있는 값은 크고 작음까지, 진짜 0이 있는 수만 “두 배”를 말할 수 있다. 종류를 잘못 잡으면 “머리색 평균 1.5” 같은 뜻 없는 계산을 하게 된다.
예시로 보기
고객 표를 보자.
| Customer_id | Name | Age | Gender | 만족도 | 근속 연수 |
|---|---|---|---|---|---|
| 101 | Smith | 25 | Male | 만족(4) | 2 |
| 102 | Kim | 32 | Female | 보통(3) | 6 |
한 줄(고객 한 명)을 데이터 객체라 부른다. 표본, 사례, 데이터 점이라고도 한다. 칸 하나(Age, Gender…)가 속성이다. 차원, 특징, 변수라고도 한다.
이 칸들로 할 수 있는 계산이 다르다.
- Gender: 같은지 다른지만 따진다. Male을 1, Female을 0으로 적어도 “평균 0.5”는 뜻이 없다.
- 만족도: 4가 3보다 낫다는 순서는 있다. 하지만 4와 3의 차이가 3과 2의 차이와 같은 크기라고 말할 수 없다. 사람의 느낌을 순서로 적은 것이기 때문이다.
- 섭씨 기온: 20 °C와 10 °C의 차이(10도)는 잴 수 있다. 그런데 “20 °C가 10 °C보다 두 배 따뜻하다”고 할 수 있을까? 없다. 0 °C가 “온도가 없음”이 아니기 때문이다.
- 근속 연수, 켈빈 온도: 0이 정말 “없음”이다. 6년은 2년의 세 배다.
정의
| 종류 | 무엇인가 | 할 수 있는 비교 | 예 |
|---|---|---|---|
| 명목 (범주형) | 사물의 이름. 숫자로 적어도 숫자 계산은 뜻이 없다 | 같다/다르다 | 머리색, 직업 |
| 이진 | 상태가 둘(0: 없음, 1: 있음)인 명목 속성. 참·거짓이면 불(Boolean) 속성 | 같다/다르다 | 흡연 여부, 검사 결과 |
| 순서 | 값 사이에 뜻 있는 순서가 있다. 간격의 크기는 모른다 | + 크다/작다 | 음료 크기, 만족도 1~5 |
| 수치: 구간 척도 | 같은 크기의 단위로 잰다. 진짜 0점이 없다 | + 차이 | 섭씨 기온, 날짜 |
| 수치: 비율 척도 | 진짜 0점이 있다 | + 비율(몇 배), 평균·중앙값·최빈값 | 켈빈 온도, 근속 연수, 단어 수 |
아래 칸으로 갈수록 위 칸의 비교를 모두 할 수 있고 하나씩 더할 수 있다.
이진 속성은 두 상태가 같은 무게인지에 따라 다시 나뉜다.
- 대칭 이진: 두 상태가 똑같이 중요하다. 예: 성별.
- 비대칭 이진: 한 상태가 더 중요하다. 예: 의료 검사의 양성(1)은 음성(0)보다 드물고 의미가 크다. 이 차이가 비유사도를 계산하는 방법을 바꾼다.
flowchart TD
A["속성"] --> N["명목"]
A --> O["순서"]
A --> Q["수치"]
N --> B["이진"]
B --> BS["대칭 이진"]
B --> BA["비대칭 이진"]
Q --> I["구간 척도"]
Q --> R["비율 척도"]
이진은 명목 안의 한 갈래이고, 구간 척도와 비율 척도는 수치 안의 두 갈래다. 가지 끝으로 내려갈수록 분류가 더 좁아진다.
연결
- 속성 종류에 따라 비슷함을 재는 법: 범주형 속성의 비유사도(명목·이진), 민코프스키 거리(수치)
- 속성 종류에 따라 관련성을 재는 법: 카이제곱 상관 분석(명목), 공분산과 상관계수(수치)
- 수치 속성의 요약: 기술통계
자주 하는 오해
아니다. 우편번호, 학번, 머리색을 0, 1, 2로 바꾼 값은 숫자 모양이지만 이름표다. 숫자처럼 보여서 평균을 내고 싶어지지만, 우편번호 평균은 어떤 지역도 가리키지 않는다. 확인하는 법: “두 값의 차이나 비율이 현실에서 뜻이 있는가?”를 묻는다. 없으면 명목이다.
확인 문제
C1 명목, 이진, 순서, 구간 척도, 비율 척도 속성을 할 수 있는 비교로 구별해 쓰라.
답: 명목·이진은 같다/다르다만, 순서는 크고 작음까지, 구간 척도는 차이까지, 비율 척도는 몇 배인지까지 말할 수 있다. 구간과 비율을 가르는 것은 진짜 0점이 있느냐다.
C2 종류를 고르라. ① 섭씨 기온 ② 켈빈 기온 ③ 별점 1~5 ④ 혈액형 ⑤ 코로나 검사 결과(양성/음성) ⑥ 한 달 접속 횟수
답: ① 구간 척도 ② 비율 척도 ③ 순서 ④ 명목 ⑤ 비대칭 이진 ⑥ 비율 척도.
흔한 오답: ③을 수치로 보는 것. 별점 4와 5의 차이가 1과 2의 차이와 같은 크기라는 보장이 없다.
C3 섭씨 20 °C가 10 °C의 “두 배 따뜻하다”고 말할 수 없는 이유는? 켈빈으로는 어떤가?
답: 섭씨의 0 °C는 물이 어는 점일 뿐 “열이 없음”이 아니라서 비율이 뜻이 없다. 같은 두 기온을 화씨로 바꾸면 50 °F와 68 °F로 비율이 1.36배가 되어 단위마다 비율이 달라진다. 켈빈은 0 K가 진짜 0이라 비율을 말할 수 있다(283.15 K와 293.15 K는 약 1.04배)1.
-
10 °C = 50 °F = 283.15 K, 20 °C = 68 °F = 293.15 K다. ↩