연속변수 vs 이산변수 – 데이터 타입 완전 정복

데이터 분석이나 머신러닝을 배우다 보면 "이건 연속변수인가요, 이산변수인가요?"라는 질문을 자주 접하게 됩니다. 변수의 특성을 제대로 이해하면, 어떤 분석 방법을 써야 할지, 어떤 시각화 기법이나 알고리즘을 적용할지를 명확히 알 수 있게 됩니다.

이번 글에서는 **연속변수(Continuous Variable)** 와 **이산변수(Discrete Variable)** 의 개념을 정리하고, 각 변수의 대표 예시와 머신러닝 적용 시 고려할 점까지 알아보겠습니다.

📚 목차

• 1. 변수란 무엇인가?
• 2. 연속변수란?
• 3. 이산변수란?
• 4. 연속변수 vs 이산변수 비교
• 5. 머신러닝 모델 적용 시 주의점
• 6. 마무리 요약

---

1. 변수란 무엇인가?

변수(Variable)는 데이터에서 **관찰하거나 측정할 수 있는 속성**을 말합니다. 숫자형 변수 중에서도 값의 개수가 무한한지(연속), 또는 셀 수 있는지(이산)에 따라 구분됩니다.

2. 연속변수란?

연속변수(Continuous Variable)는 **두 값 사이에 무수히 많은 값이 존재할 수 있는 변수**입니다. 예를 들어 사람의 키가 170cm라면, 170.1, 170.15, 170.152cm 등 무한대로 정밀한 값이 존재할 수 있습니다.

📌 예시:

• 키, 몸무게
• 온도, 시간
• 수익, 매출

3. 이산변수란?

이산변수(Discrete Variable)는 **값이 명확하게 끊겨 있는 변수**입니다. 다시 말해, **하나하나 셀 수 있는 값**만 가지는 변수이며, 소수점 단위가 없습니다.

📌 예시:

• 사람 수
• 주문 건수
• 고객 이탈 여부 (0 또는 1)

4. 연속변수 vs 이산변수 비교

구분	연속변수	이산변수
값의 개수	무한히 많음	셀 수 있음
소수점	가짐	없음
예시	키, 몸무게, 온도	학생 수, 구매 횟수
시각화	히스토그램, 선형 그래프	막대그래프, 파이차트

5. 머신러닝 모델 적용 시 주의점

- 연속변수는 회귀 문제에 자주 사용되며, 선형 회귀나 결정 트리 회귀 모델을 적용할 수 있습니다. - 이산변수는 분류 문제에 활용되며, 로지스틱 회귀, SVM, 랜덤 포레스트 분류기 등과 함께 사용됩니다.
또한, 일부 이산변수는 One-hot Encoding 등의 전처리가 필요할 수 있습니다.

6. 마무리 요약

연속변수와 이산변수의 차이는 데이터 분석과 모델 선택에서 매우 중요합니다. 데이터의 특성을 올바르게 이해하고 분석 목적에 맞는 처리와 시각화를 통해 더 정확하고 신뢰할 수 있는 결과를 얻을 수 있습니다.