머신러닝 수치형 자료 전처리

 

머신러닝 범주형 자료 전처리

앞서 범주형 자료 전처리에 대해 다루어봤으니, 이제 수치형 자료 전처리를 살펴보겠습니다 :)

 

 

수치형 자료의 개념

수치형 자료 크기를 갖는 수치형 값으로 이루어진 데이터를 의미합니다.

 

타이타닉 데이터에서는 Age, SibSp, Parch ,Fare가 수치형 데이터에 해당됩니다.

 

 

수치형 자료의 데이터 변환

수치형자료는 머신러닝의 입력으로 바로 사용할 수 있지만, 모델의 성능을 높이기 위해서 데이터 변환이 필요한 경우가 있습니다.

 

 

수치형 자료 변환 방식

1. 스케일링(Scaling) - 정규화(Nomralization), 표준화(Standardization)

2. 범주화

 

 

 

 

수치형 자료 변환 방식  - 스케일링(Scaling)

 

스케일링(Scaling)

- 변수 값의 범위 및 크기를 변환하는 방식

- 변수(feature)간의 범위가 차이가 나면 사용

 

1) 정규화(Nomarlizaion)

변수 X를 정규화한 값 X'

정규화를 하면 변수는 0~1사이의 값을 가지게 된다.

 

 

 

 

 

f1, f2는 자료의 분포도가 크지 않지만, f3은 분포도가 너무 커서 머신러닝시 f3의 영향을 크게 받을 수 있다.

그렇기에 세 가지 자료를 비슷한 범위에서 영향을 주기위해 정규화를 시키는 것이다.

(공정한 경쟁을 위해)

 

 

 

2) 표준화(Standardization)

변수 X를 표준화한 값 X'

 

 

 

수치형 자료 변환 방식  -범주화

변수의 값보다 범주가 중요한 경우에 사용한다.

 

 

시험 점수에 대해 예측하는 머신러닝을 만든다고 하자. 그러면 시험 점수가 바로 들어갈 수 있다.

하지만 점수가 아니라, 내 점수가 평균보다 높은지, 낮은지를 판별하는 모델을 만든다고 하자. 그렇다면 이는 점수가 아니라 범주화가 필요한 것이다.

그렇기에 평균이상이면 1, 이하면 0으로 변환을 해준다음 머신러닝 모델을 만드는 것이다.