- 평균부터 계산하지 말고 분포 모양(왜도·첨도)을 먼저 본다. 요약 통계량이 같아도 실제 모양은 전혀 다를 수 있다.
- 치우쳤거나 이상치가 있으면 평균·표준편차 대신 중앙값·IQR 같은 강건(robust) 통계량을 쓴다.
- 선형 스케일링(표준화·Min-Max)은 분포 모양을 바꾸지 않는다. 왜도를 줄이려면 로그·Box-Cox 같은 비선형 변환이 필요하다.
- 손에 든 것은 언제나 **표본(sample)**이다. 모집단을 대표하는지(선택 편향), 표본이 충분한지(CLT)를 항상 의심한다.
- 분포 진단은 목적이 아니라 전처리·지표·알고리즘 선택으로 이어지는 처방전이다. MLS는 진단이 아니라 처방을 묻는다.
EDA 마지막 주는 "데이터를 숫자로 정직하게 요약하고, 그 요약을 믿어도 되는지 검증하는" 일이다. MLS-C01은 알고리즘을 묻기 전에 통계 직관을 먼저 묻는다. 분포가 치우쳤는가, 평균과 중앙값 중 무엇을 믿을 것인가, 이 표본이 모집단을 공정하게 대표하는가 — 여기서 어긋나면 어떤 모델을 골라도 결론이 틀린다.
평균을 먼저 계산하지 마라. 모양을 먼저 본다. 평균이 같아도 모양은 천차만별이다.