데이터 정규화

데이터 정규화는 데이터세트의 모든 특성이 비슷한 범위를 갖도록 합니다. 이는 경사 하강법과 거리 기반 모델과 같은 알고리즘에 매우 중요합니다. 이 수업에서는 표준화와 크기 조정 기법을 살펴봅니다.

데이터를 정규화해야 하는 이유

정규화를 수행하면 모든 특성이 모델에 동일하게 기여합니다. 정규화를 하지 않으면 범위가 더 큰 특성이 학습 과정을 좌우할 수 있습니다.

예시:

• 나이(0~100)와 소득(0~100,000)은 서로 비교할 수 있는 범위로 조정해야 합니다.

표준화

표준화는 데이터의 평균을 0, 표준편차를 1로 변환합니다. 다음과 같이 계산합니다.

z = (x - mean) / std_dev

표준화는 로지스틱 회귀와 SVM 같은 알고리즘에 적합합니다.

최소-최대 조정

최소-최대 조정은 데이터를 일반적으로 [0, 1]과 같은 고정된 범위로 조정합니다. 다음과 같이 계산합니다.

x_scaled = (x - min) / (max - min)

이 기법은 데이터의 범위를 제한해야 할 때 사용합니다.

파이썬에서의 정규화(표준화)

sklearn.preprocessing의 StandardScaler를 사용하여 데이터를 표준화합니다.

예시:

from sklearn.preprocessing import StandardScaler scaler = StandardScaler() data_scaled = scaler.fit_transform(data)

파이썬에서의 정규화(최소-최대 조정)

sklearn.preprocessing의 MinMaxScaler를 사용하여 최소-최대 조정을 적용합니다.

예시:

from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() data_scaled = scaler.fit_transform(data)

정규화 기법 선택

기법을 선택할 때 다음 사항을 고려하세요.

• 표준화: 데이터에 이상치가 포함되어 있을 때 사용합니다.
• 최소-최대 조정: 특성의 범위를 제한해야 할 때 사용합니다.

복습

이 단원에서는 다음 내용을 배웠습니다.

• 표준화: 데이터를 평균 0, 표준 편차 1로 조정하는 방법
• 최대-최소 스케일링: 데이터를 고정된 범위로 변환하는 방법
• 파이썬에서 StandardScaler와 MinMaxScaler를 사용하는 방법

축하합니다!

데이터 정규화에 대한 수업을 완료하셨습니다. 다음 수업으로 넘어가 파이썬에서 데이터를 병합하는 방법을 알아보세요.