2nd/10_Wiki/Topics_Blog/Exploratory-Data-Analysis.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
EDA-001	10_Wiki/💡 Topics/AI	1.0	data-science statistics eda visualization machine-learning	2026-04-26

Exploratory Data Analysis (EDA, 탐색적 데이터 분석)

📌 한 줄 통찰 (The Karpathy Summary)

"모델을 만들기 전, 데이터가 들려주는 날것의 이야기에 귀를 기울여라" — 수집된 데이터를 다양한 각도에서 관찰하고 시각화하여 데이터의 분포, 이상치, 변수 간 상관관계를 파악하고 가설을 세우는 필수적인 기초 분석 단계.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 고정된 정답을 찾기보다 데이터의 전체적인 윤곽을 파악하고, 전처리 방향(Feature Engineering)을 결정하기 위한 통계적 직관 형성 패턴.
• 주요 수행 작업:
  • Summary Statistics: 평균, 중앙값, 표준편차 확인.
  • Distribution Analysis: 히스토그램이나 박스 플롯을 통해 데이터 치우침 및 이상치 탐색.
  • Correlation Analysis: 산점도(Scatter plot)나 Heatmap을 통해 변수 간 관계 파악.
  • Missing Value Check: 결측치 비중과 패턴 분석.
• 의의: 쓰레기를 넣으면 쓰레기가 나오는(GIGO) 현상을 방지하고, 데이터에 숨겨진 도메인 지식을 발견하는 과정.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 바로 모델 학습 코드를 짜던 성급함에서 벗어나, 데이터의 특성에 맞는 적절한 알고리즘을 선택하기 위한 근거 중심의 분석으로 정착.
• 정책 변화: Antigravity 프로젝트는 새로운 위키 소스 데이터가 확보될 때마다 자동화된 EDA 리포트를 생성하여, 지식의 밀도와 편향성을 사전에 점검함.

🔗 지식 연결 (Graph)

• Machine-Learning, Feature-Engineering, Dimensionality-Reduction, Principal-Component-Analysis-PCA
• Raw Source: 10_Wiki/Topics/AI/Exploratory-Data-Analysis.md