피처 스케일링(Feature Scaling)
- 표준화(Standardization )
- 정규화(Normalization)
피처 스케일링(Feature Scaling) 이란?
서로 다른 변수의 값의 범위를 맞추는 것.
Why?
유클리디언 디스턴스로 오차를 줄여 나가는데, 하나의 변수는 오차가 크고, 하나의 변수는 오차가 작으면, 나중에 오차를 수정할때 편중되게 된다.
따라서 값의 레인지를 맞춰줘야 정확히 트레이닝 된다.
Feature Scaling 2가지 방법
- 표준화 : 평균을 기준으로 얼마나 떨어져 있느냐? 같은 기준으로 만드는 방법, 음수도 존재, 데이터의 최대최소값 모를때 사용.
- 정규화 : 0 ~ 1 사이로 맞추는 것. 데이터의 위치 비교가 가능, 데이터의 최대최소값 알 때 사용
'Machine Learning > Machine Learning' 카테고리의 다른 글
| [Machine Learning] 머신러닝으로 할 수 있는 것, sklearn 설치 (0) | 2024.06.26 |
|---|---|
| [Machine Learning] 데이터 분할, train_test_split (0) | 2024.04.17 |
| [Machine Learning] 머신러닝 전처리, 문자열을 숫자로, 레이블 인코딩, 원핫 인코딩 (0) | 2024.04.16 |
| [Machine Learning] 선형 회귀 Linear Regression을 이용한 수치 예측 (0) | 2024.04.15 |