Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 | 31 |
Tags
- len()
- list
- append()
- del
- count()
- sklearn
- data
- numpy
- dendrogram
- insert()
- Dictionary
- DataAccess
- pandas
- matplotlib
- 최솟값
- Machine Learning
- 덴드로그램
- DataFrame
- 반복문
- function
- elbow method
- string
- hierarchical_clustering
- Python
- analizer
- wcss
- nan
- 최댓값
- 분류 결과표
- IN
Archives
- Today
- Total
목록data preprocessing (1)
개발공부
데이터 전처리 기초 #4 피처 스케일링 Feature Scaling(표준화, 정규화)
Feature Scaling - 서로 다른 별수의 값 범위를 일정한 수준으로 맞추는 작업이다. - 변수 값의 범위 또는 담위가 달라서 발생 가능한 문제를 예방할 수 있다. - 머신러닝 모델이 특정 데이터의 편향성을 가지는 것을 방지할 수 있다. - 데이터 범위 크기에 따라 모델이 학습하는 데 있어서 bias가 달라질 수 있으므로 - 하나의 범위 크기로 통일해주는 작업(Feature Scaling)은 필요할 수 있다. Feature Scaling의 2가지 방법 표준화(Standardisation) - 평균을 기준으로 얼마나 떨어져 있느냐? 같은 기준으로 만드는 방법 - 음수도 존재, 데이터의 최대최소값 모를때 사용. 앞서 하던 데이터로 실습해보자. 위와 같이 df의 Age, Salary 컬럼의 값들은 같은..
Python/Machine Learning
2022. 5. 9. 17:34