| 위치 |
오류유형 |
수정 전 |
수정 후 |
기타
(사유) |
| p : 474~475 |
문제-본문_오류 |
장 점 ㉠ 첫째, 다양한 형태의 데이터에 적용이 가능하고 분석방법의 적용이 용이하다.
㉡ 둘째, 이해하고 구현하기가 쉬우며 결과 해석이 용이하다는 것이다.
단 점 ㉠ 첫째, 초기 군집수를 결정하는 것이 어렵고 결과 해석이 어렵다는 것이다.
㉡ 둘째, 데이터의 평균값 정의가 가능한 데이터에 대해서만 사용이 가능하다는 것이다.
㉢ 셋째, 아웃라이어에 매우 민감하다는 것이다.
|
장 점 ㉠ 알고리즘이 쉬워 구현이 비교적 쉽다. ㉡ 주어진 알고리즘으로 대규모 적용이 가능하다. ㉢ 다양한 형태의 데이터에 적용이 가능하다. 단 점 ㉠ 초기 k를 찾기 어렵다. ㉡ 모든 점에서 계산하기 때문에 속도가 느리다. ㉢ 평균을 사용하기 때문에 아웃라이어에 영향을 많이 받는다. ㉣ 가중치와 거리정의가 어렵다. ㉤ 사전에 주어진 목적이 없으므로 결과를 해석하는 데 있어 어려움이 존재한다. |
|
| p : 710 번호 : 22 |
문제-문항_오류 |
① 가장 약한 상관관계는 상관계수가 0이다. |
① 상관계수가 0이면 서로 상관관계가 없다. |
|
| p : 608 |
문제-본문_오류 |
|
|
|
| p : 608 |
문제-본문_오류 |
|
|
|
| p : 266 |
문제-본문_오류 |
㉡ 공차한계가 0.1 이하일 때 다중공선성 문제가 없다고 판정한다(분산팽창지수의 역수 값). |
㉡ 공차한계가 0.1 이하일 때 다중공선성 문제가 있다고 판정한다(분산팽창지수의 역수 값). |
|
| p : 337 |
문제-본문_오류 |
표본 Ⅰ |
표본 1
|
|
| p : 590 |
문제-본문_오류 |
|
|
|
| p : 478 |
문제-본문_오류 |
|
|
|
| p : 478 |
문제-본문_오류 |
|
|
|
| p : 458 |
문제-본문_오류 |
|
|
|
| p : 410 |
문제-본문_오류 |
|
|
|
| p : 152 번호 : 53 |
해설_오류 |
정답 ④ 해설 키, 온도는 등간 척도, 순위는 서열 척도이다. |
정답 ②, ④ 해설 온도는 등간 척도, 순위는 서열 척도이다. |
|
| p : 313 |
문제-본문_오류 |
⑤ 신뢰구간 예시 상기 통학시간 자료의 95% 신뢰구간을 구하시오. |
⑤ 신뢰구간 예시 다음 통학시간(분) 자료의 95% 신뢰구간을 구하시오. (60, 65, 50, 45, 35, 40, 45, 60, 50, 50) |
|
| p : 311 |
문제-본문_오류 |
|
|
|
| p : 230 |
문제-본문_오류 |
|
|
|
| p : 226 |
문제-본문_오류 |
상자그림 그리는 방법 • 위의 [그림]은 11명의 중간고사 성적(89점, 88점, 67점, 78점, 90점, 88점, 78점, 90점, 86점, 55점)에 대해서 상자그림을 그린 것이다. 상자그림을 그리는 방법은 다음과 같다. |
상자그림 그리는 방법 • 위의 [그림]은 11명의 중간고사 성적(89점, 88점, 67점, 78점, 90점, 88점, 78점, 90점, 86점, 55점, 78점)에 대해서 상자그림을 그린 것이다. 상자그림을 그리는 방법은 다음과 같다. |
|
| p : 67 |
문제-본문_오류 |
Google GFS(Google File System)
|
Google의 GFS(Google File System)
|
|
| p : 66 |
문제-본문_오류 |
유 형 | 데이터 종류 | 저장 시스템 | 정 형 | RDB, 스프레드시트 | RDB | 반정형 | HTML, XML, JSON, 웹문서, 웹로그, 센서 데이터 | RDB, NoSQL | 비정형 | 소셜 데이터, 문서(워드, 한글), 이미지, 오디오, 비디오, IoT | NoSQL, 분산파일시스템(HDFS) |
|
유 형 | 데이터 종류 | 저장 시스템 | 정 형 | RDB, 스프레드시트 | RDB | 반정형 | HTML, XML, JSON, 웹문서, 웹로그, 보안 및 특정 센서 데이터 | RDB, NoSQL | 비정형 | 소셜 데이터, 문서(워드, 한글), 이미지, 오디오, 비디오, IoT | NoSQL, 분산파일시스템(HDFS) |
|
|
| p : 61 |
문제-본문_오류 |
유 형 | 데이터 소스 | 정형 데이터 | • 업무 처리, 매개거래, 로그 데이터, 시계열 데이터 • DB to DB, Sqoop, EAI(Enterprise Application Intergration) • ETL(Extract, Transform, Load) 등을 이용한 수집 | 반정형 데이터 | • 데이터 내부에 데이터 구조에 대한 메타 정보 포함 • HTML, XML, JSON, RSS. 웹로그, 센서 데이터 등 | 비정형 데이터 | 일 반 | • 소셜 미디어(SNS), 고객 서비스, 품질보증 • 이벤트, 이메일, 자유형식의 텍스트 | 센서 데이터 | 온도, QR 코드, RFID, GPS | 새로운 데이터 유형 | GPS 매칭, 오디오, 정지화상, 비디오 | 데이터 수집 | Crawler, FTP, HTTP Protocol 수집, Parsing |
|
유 형 | 데이터 소스 | 정형 데이터 | • 업무 처리, 매개거래, 로그 데이터, 시계열 데이터 • DB to DB, Sqoop, EAI(Enterprise Application Intergration) • ETL(Extract, Transform, Load) 등을 이용한 수집 | 반정형 데이터 | • 데이터 내부에 데이터 구조에 대한 메타 정보 포함 • HTML, XML, JSON, RSS. 웹로그, 보안 및 특정 센서 데이터 등 | 비정형 데이터 | 일 반 | • 소셜 미디어(SNS), 고객 서비스, 품질보증 • 이벤트, 이메일, 자유형식의 텍스트 | 센서 데이터 | 온도, QR 코드, RFID, GPS | 새로운 데이터 유형 | GPS 매칭, 오디오, 정지화상, 비디오 | 데이터 수집 | Crawler, FTP, HTTP Protocol 수집, Parsing |
|
|
| p : 46 번호 : 11 |
문제-문항_오류 |
① 제품과 서비스의 유형 |
① 거래의 형태 |
|
| p : 204 번호 : 38 |
문제-문항_오류 |
④ MapReduce |
④ MapR
|
|
