P3-3.2 질문에 맞는 데이터셋은 어떻게 다시 설계하는가¶

Section ID: P3-3.2 Version: v2026.09.19

데이터셋을 다시 설계한다는 말은 현재 질문을 기준으로 샘플(sample) 단위와 열(column) 구조를 다시 고른다는 뜻입니다. 즉 무엇을 한 행(row)으로 둘지, 어떤 열을 남길지, 무엇과 비교할지를 다시 정하는 일입니다. 동작 단위 표, 비교 리포트(comparison report), 예측 문제 후보 표가 서로 다른 이유도 바로 이 재설계에서 생깁니다.

원시 로그도 데이터셋입니다. 재설계는 그것을 데이터셋으로 인정하기 위한 절차가 아니라, 현재 질문에 맞게 한 행의 뜻과 남길 정보를 고르는 일입니다. 원래 시퀀스를 그대로 쓰는 선택도 가능합니다.

같은 기록에서 동작별 표 만들기¶

앞 절의 가상 원천 로그에서 A·B·E·F만 사용합니다. 한 행은 동작 중 한 시점의 기록이며 second는 동작 안의 경과 초입니다. 아래 유량은 L/min으로 읽습니다. 네 동작의 recipe는 모두 standard이지만, 다른 운전 조건까지 같다는 자료는 없습니다.

질문 1은 “각 동작에서 관측한 평균 유량은 얼마인가?”입니다. 한 행을 동작 1회로 두고, 원시 기록의 event_id로 묶어 네 측정값의 산술평균을 구합니다. 여기서 평균은 관측점 평균이며, 동작 전체의 시간 가중 평균이라고 보장하지 않습니다.

예를 들어 A의 mean_flow는 (0.0+1.4+1.6+1.2)/4 = 1.050입니다. event_id와 batch_id는 원래 식별값이고, mean_flow와 max_flow는 flow에서 계산한 값입니다. 표의 네 시점 값은 계산 근거를 보여 주기 위해 함께 적었습니다. 실제 요약 표에서 이 시퀀스를 빼면 값이 오르내린 순서는 남지 않으므로, 원본 파일·버전과 사건 식별자를 따로 연결해 둡니다.

같은 동작 표에서 두 묶음 비교하기¶

질문 2는 “최근 묶음의 평균 유량이 기준 묶음보다 얼마나 다른가?”입니다. 연습을 위해 A·B를 baseline, E·F를 recent로 가정해 지정합니다. 원본에는 실제 발생 날짜나 이 구분 열이 없으므로, 사건 이름·배치 번호만 보고 최근 순서를 추정한 것은 아닙니다. 실제 적용에서는 날짜와 선정 조건을 확인해야 합니다.

기준 묶음은 (1.050+0.775)/2 = 0.9125, 최근 묶음은 (0.900+1.125)/2 = 1.0125입니다. 각 동작에 같은 무게를 준 평균이며 단위는 L/min입니다. 두 묶음을 비교하는 결과 행은 다음과 같습니다.

diff = recent_mean−baseline_mean이므로, 이 연습에서는 최근 묶음의 평균이 0.1000 L/min 높습니다. 이는 고장이나 불안정 판정이 아닙니다. 묶음의 배치가 다르고 다른 운전 조건은 미확인이므로, 차이의 원인도 이 표만으로는 알 수 없습니다.

같은 행 단위라도 질문에 따라 열이 달라진다¶

이번에는 같은 네 동작에서 두 질문을 비교합니다. “평균 유량이 가장 높은 동작은 무엇인가?”와 “마지막 관측 구간에서 유량이 가장 가파르게 내려간 동작은 무엇인가?”입니다. 표를 보기 전에 각 질문에 필요한 열을 골라 보세요. 후보는 event_id, mean_flow, max_flow, second, flow입니다.

두 질문 모두 한 행은 동작 1회지만, 평균 질문에는 mean_flow, 마지막 하락 질문에는 마지막 두 시각과 유량에서 구한 기울기가 필요합니다. 여기서는 마지막 구간이 모두 2~3초이므로 last_slope = (flow_3−flow_2)/(3−2)입니다. 기울기 단위는 L/min/s이며 음수가 클수록이 아니라 더 작은 음수일수록 하강이 가파릅니다.

평균이 가장 높은 것은 F지만, 마지막 하강이 가장 가파른 것은 A와 E입니다. 예를 들어 A는 (1.2−1.6)/1 = −0.4이고 F는 −0.3입니다. max_flow는 마지막 두 값과 그 순서를 알려 주지 않으므로 마지막 기울기를 대신할 수 없습니다. 이 결과는 선택한 한 구간의 하락 비교이며, 동작 전체의 불안정성이나 고장 판정이 아닙니다.

요약하면서 남는 정보와 사라지는 정보¶

평균과 최댓값만으로 “불안정했는가”에 답할 수는 없습니다. A의 시퀀스 0.0, 1.4, 1.6, 1.2를 0.0, 1.6, 1.2, 1.4로 바꾸어 보세요. 평균 1.050과 최댓값 1.6은 같지만, 최댓값이 나타난 시점은 2초에서 1초로 달라집니다. 변동 양상이나 변화 시작 시점이 질문이라면 시퀀스를 유지하거나 원시 로그로 돌아가야 합니다. 변화 시점을 찾았다고 원인을 확인한 것도 아닙니다.

모든 질문에 기준선 열이나 요약 표가 필요한 것은 아닙니다. 시점별 패턴을 비교할 때는 시간과 측정값을 그대로 남길 수 있습니다. 지도학습으로 이어갈 때 필요한 입력·목표의 구분과 라벨 근거는 앞 절의 확인 사항으로 남습니다.

질문에 따라 달라지는 샘플과 표¶

flowchart TD
    A[질문을 적는다] --> B{무엇을 비교하는가}
    B -- 시점별 모양 --> C[시점별 시퀀스를 유지한다]
    B -- 동작별 평균 --> D[동작마다 한 행으로 요약한다]
    B -- 묶음별 평균 --> E[선정한 묶음마다 한 행으로 요약한다]
    C --> F[원본 연결과 사라진 정보를 남긴다]
    D --> F
    E --> F

새 질문은 “A에서 관측값이 처음 감소한 구간은 어디인가?”입니다. 아래 세 항목을 먼저 적고 해설과 비교해 보세요.

1. 한 행을 동작 전체로 둘지, 인접한 두 관측점 사이의 구간으로 둘지 고릅니다.
2. mean_flow, max_flow, event_id, second, flow 중 원시 근거로 남겨야 할 열을 고릅니다.
3. 결과에 적을 구간과, 그 결과만으로 주장할 수 없는 내용을 씁니다.

한 가지 답은 동작 안의 인접 관측 구간을 한 행으로 두는 것입니다. event_id, 시작·끝 second, 시작·끝 flow를 남기고 끝 유량−시작 유량을 계산합니다. A의 0~1초·1~2초·2~3초 차이는 각각 +1.4, +0.2, −0.4이므로 처음 감소가 관측된 구간은 2~3초입니다. 이것으로 구간 안의 정확한 하락 시작 시각이나 원인을 알 수는 없습니다.

앞의 순서 변경 시퀀스 0.0, 1.6, 1.2, 1.4에서는 차이가 +1.6, −0.4, +0.2로 바뀌어 답이 1~2초가 됩니다. 평균과 최댓값만 남긴 표로는 두 답을 구분할 수 없습니다. 전체 시퀀스를 한 행에 보존하는 설계도 가능하지만, 두 시각과 유량의 대응을 잃지 않아야 합니다.

체크리스트¶

• 질문에 맞게 평균·마지막 기울기·인접 구간 중 필요한 열과 행 단위를 선택하고 이유를 설명할 수 있는가?
• 같은 원천 로그로 동작별 표와 묶음별 표의 한 행을 각각 설명할 수 있는가?
• A의 평균과 두 묶음의 평균 차이 0.1000을 원시 기록에서 재현했는가?
• 원래 식별값·계산값·연습용 묶음 가정을 구분했는가?
• 같은 평균·최댓값이라도 시점별 모양이 달라지는 예를 설명할 수 있는가?
• 요약에서 빠진 정보를 찾을 원본 연결과 미확인 비교 조건을 남겼는가?

출처와 참고 자료¶

• Google for Developers, Machine Learning Glossary: label, labeled example, unlabeled example. 지도학습의 입력과 결과 역할 및 라벨 없는 사례의 구분을 확인했다. 원문 / 확인일: 2026-09-19
• W3C, PROV-Overview (2013). 데이터 생성에 관여한 대상·활동·담당자와 처리·버전 이력을 추적하는 근거로 참조했다. 원문 / 확인일: 2026-09-19