P3-6.5 서로 단위와 크기가 다른 특징은 어떻게 함께 읽고 남기는가¶

Section ID: P3-6.5 Version: v2026.07.24

특징을 몇 개 만들고 나면 다시 이런 혼동을 겪기 쉽습니다. 값이 큰 열이 더 중요한가?, 초 단위와 압력 단위를 같은 표에 둬도 되는가?, 평균이 200인 열과 0.2인 열을 그냥 나란히 비교해도 되는가? 여기서 먼저 필요한 것은 숫자 크기보다 단위, 범위, 변동 폭, 기준선 대비 변화를 구분해 읽는 감각입니다.

한 표에 함께 있다는 사실과 같은 크기 기준으로 읽는다는 판단은 같은 말이 아닙니다. 특징은 서로 다른 단위(unit), 범위(range), 변동 폭을 가질 수 있고, 이 차이를 모른 채 숫자 크기만 보면 구조를 잘못 읽기 쉽습니다.

예를 들어 자동 동작 1회 요약 표에 아래 열이 같이 들어 있다고 해 보겠습니다.

이 네 값은 모두 숫자이지만, 같은 종류의 크기를 말하지는 않습니다.

• duration_seconds는 시간 길이입니다.
• pressure_mean은 압력 수준입니다.
• flow_std는 흔들림의 크기입니다.
• late_drop_rate는 변화 방향과 속도입니다.

즉 숫자라는 공통점만 보고 101.2가 48보다 더 중요하다처럼 읽으면 안 됩니다.

왜 이 구분이 필요한가¶

특징 설계 단계에서 이 감각이 필요한 이유는 세 가지입니다.

이 구분은 아직 모델 계산을 위한 정규화 공식으로 들어가자는 뜻이 아닙니다. Part 3에서는 먼저 무엇이 큰 수여서 중요한 것이 아니라, 무엇을 재는 수인가가 중요하다는 감각을 세우는 것이 목적입니다.

같은 표에 둔다는 것과 같이 읽는다는 것은 다르다¶

같은 샘플 표에 여러 특징을 둘 수는 있습니다. 하지만 읽는 방식은 열마다 달라질 수 있습니다.

즉 비교는 숫자끼리가 아니라 같은 역할의 같은 열끼리 해야 합니다. duration_seconds와 pressure_mean를 직접 크기 비교하는 것이 아니라, 이번 duration_seconds를 평소 duration_seconds와 비교하고, 이번 pressure_mean를 평소 pressure_mean와 비교하는 식으로 읽어야 합니다.

자주 하는 오해¶

예를 들어 flow_std = 0.18은 숫자만 보면 작아 보일 수 있지만, 평소가 0.03이었다면 실제로는 큰 흔들림일 수 있습니다. 반대로 pressure_mean = 101.2는 숫자만 보면 커 보이지만, 평소가 101.0이라면 상대 변화는 작을 수 있습니다.

그래서 무엇을 먼저 적어 두어야 하는가¶

Part 3 단계에서는 각 특징 열 옆에 아래 세 가지를 짧게 적어 둘 수 있으면 훨씬 안전합니다.

예를 들면 이렇게 적을 수 있습니다.

이 표가 있으면 무슨 숫자인지와 어떻게 읽을지가 함께 고정됩니다.

작은 점검 표¶

이 절에서는 Python으로 고정된 두 행을 출력하기보다, 숫자 열을 어떤 축으로 읽을지 표로 고정해 두는 편이 더 적합합니다. 예를 들어 아래 작업 표를 보겠습니다.

절대값만 보면 pressure_mean이 가장 커 보입니다. 하지만 기준선 대비 변화로 읽으면 다른 그림이 나옵니다.

이 표에서 중요한 것은 숫자의 절대 크기가 아니라, 각 열이 맡는 역할과 같은 열 안에서의 변화입니다. 처음 표만 보면 101.2가 커 보이고 0.18은 작아 보일 수 있지만, 기준선 대비 변화를 보면 flow_std_delta=0.15는 오히려 큰 흔들림 증가일 수 있고, pressure_delta=0.2는 작은 수준 차이일 수 있습니다.

그래서 큰 숫자보다 같은 역할의 같은 열을 어떻게 비교하는가를 먼저 읽어야 합니다.

즉 Part 3의 책임은 다음까지입니다.

1. 같은 표 안에 서로 다른 의미의 숫자가 함께 있을 수 있음을 안다.
2. 각 특징이 수준, 변화, 변동성, 시간 길이 중 무엇을 뜻하는지 적을 수 있다.
3. 숫자 크기 자체보다 같은 열의 기준선 대비 변화가 더 중요할 수 있음을 안다.

특징 표의 숫자들은 모두 같은 종류의 크기를 말하지 않으므로, 단위와 역할을 먼저 적고 같은 열의 기준선 대비 변화로 읽어야 합니다. 이 절은 스케일 공식 소개가 아니라, 서로 다른 측정 축을 한 작업 표 안에서 어떻게 역할별로 읽을 것인가(role-aware reading across heterogeneous scales)의 문제로 다시 볼 수 있습니다.

같은 문제는 모델 입력에서도 드러납니다. 아래 예제는 같은 k-NN 모델을 쓰되, 스케일 조정 없이 읽을 때와 StandardScaler로 각 열을 같은 비교 눈금으로 맞춘 뒤 읽을 때 최근접 이웃이 어떻게 달라지는지 보여 줍니다.

문제 상황: 단위와 범위가 다른 특징을 그대로 k-NN에 넣으면 큰 숫자 범위의 열이 이웃 판단을 더 크게 끌고 갈 수 있음을 확인합니다.

입력(input): 지속 시간, 압력 변화, 유량 변동성 변화가 함께 있는 작은 특징 표와 확인할 새 샘플.

기대 출력(output): 스케일 조정 전후의 최근접 event_id와 예측값.

확인할 개념: 같은 표에 둔 특징이라도 모델이 거리로 비교할 때는 스케일 조정 여부가 이웃과 예측을 바꿀 수 있습니다.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

# 단위와 범위가 다른 특징을 거리 기반 모델이 어떻게 다르게 읽는지 확인합니다.
import pandas as pd
from sklearn.neighbors import KNeighborsClassifier
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler

features = pd.DataFrame(
    [
        {"event_id": "A", "duration_seconds": 44, "pressure_delta": 0.10, "flow_std_delta": 0.02, "review_needed": 0},
        {"event_id": "B", "duration_seconds": 48, "pressure_delta": 0.20, "flow_std_delta": 0.15, "review_needed": 1},
        {"event_id": "C", "duration_seconds": 43, "pressure_delta": -0.10, "flow_std_delta": 0.01, "review_needed": 0},
        {"event_id": "D", "duration_seconds": 49, "pressure_delta": 0.00, "flow_std_delta": 0.16, "review_needed": 1},
    ]
)
query = pd.DataFrame(
    [{"duration_seconds": 44, "pressure_delta": 0.15, "flow_std_delta": 0.14}]
)
columns = ["duration_seconds", "pressure_delta", "flow_std_delta"]

plain = KNeighborsClassifier(n_neighbors=1).fit(features[columns], features["review_needed"])
scaled = make_pipeline(StandardScaler(), KNeighborsClassifier(n_neighbors=1))
scaled.fit(features[columns], features["review_needed"])

plain_neighbor = plain.kneighbors(query, return_distance=False)[0][0]
scaled_query = scaled.named_steps["standardscaler"].transform(query)
scaled_neighbor = scaled.named_steps["kneighborsclassifier"].kneighbors(
    scaled_query, return_distance=False
)[0][0]

print("without scaling nearest_event:", features.iloc[plain_neighbor]["event_id"])
print("without scaling prediction:", int(plain.predict(query)[0]))
print("with scaling nearest_event:", features.iloc[scaled_neighbor]["event_id"])
print("with scaling prediction:", int(scaled.predict(query)[0]))

예상 출력:

1
2
3
4

without scaling nearest_event: A
without scaling prediction: 0
with scaling nearest_event: B
with scaling prediction: 1

스케일 조정 전에는 duration_seconds=44가 같은 A가 가장 가깝게 잡힙니다. 하지만 압력 변화와 유량 변동성 변화까지 같은 눈금으로 맞추면 B가 더 가까운 사례로 바뀝니다. 이 출력은 값이 큰 열이 더 중요하다가 아니라, 거리 기반 모델에서는 큰 범위의 열이 계산을 지배할 수 있음을 보여 줍니다. 그래서 Part 3에서는 모델 공식을 자세히 배우기 전에도, 각 특징의 단위와 범위, 비교 방식을 먼저 적어 두어야 합니다.

따라서 특징 표는 숫자 크기 경쟁표가 아니라, 서로 다른 측정 축을 역할별로 나란히 두고 읽는 구조로 이해해야 합니다.

작은 도식으로 보기¶

이 절의 순서는 서로 다른 단위와 크기를 한 표에 두더라도, 열 역할별로 읽고 같은 열의 기준선과 비교해야 한다는 점을 붙잡습니다. 숫자 크기 자체보다 무엇을 재는 열인가가 먼저입니다.

flowchart TD
    A[서로 다른 단위와 크기]
    B[열 역할별로 읽음]
    C[같은 열의 기준선과 비교]
    D[역할이 다른 숫자 크기를 직접 비교하지 않음]

    A --> B --> C --> D

출처와 참고 자료¶

• Google for Developers, Machine Learning Glossary의 feature. feature를 prediction에 쓰는 input variable로 설명하므로, 특징은 숫자 크기 자체보다 무엇을 입력 변수로 재고 있는지가 먼저 중요하다는 점을 뒷받침합니다. https://developers.google.com/machine-learning/glossary / 확인일: 2026-07-20
• Google for Developers, Machine Learning Glossary의 feature engineering. 원시 데이터를 학습에 더 유용한 형태로 바꾸는 과정을 설명하므로, 시간 길이, 수준, 변동성, 변화율처럼 서로 다른 역할의 특징을 구분해 읽어야 한다는 이 절의 설명을 보강합니다. https://developers.google.com/machine-learning/glossary / 확인일: 2026-07-20
• U.S. Bureau of Labor Statistics, Base period. 비교는 같은 항목을 기준 시점과 나란히 놓을 때 성립한다는 일반 reference 개념을 제공하므로, 서로 다른 특징끼리 직접 크기 비교하기보다 같은 열의 기준선 대비 변화로 읽어야 한다는 설명에 참고할 수 있습니다. https://www.bls.gov/bls/glossary.htm / 확인일: 2026-07-20