피처 스케일링

term_id: feature_scaling

Category: basic_concepts

Definition

피처 스케일링은 입력 변수의 범위를 표준화하여, 크기가 큰 피처가 학습 과정을 지배하는 것을 방지합니다. 일반적인 방법으로는 정규화(최소-최대 스케일링)와 표준화가 있습니다.

Summary

데이터의 독립 변수 또는 피처 범위를 정규화하여 크기의 균일성을 보장하는 과정입니다.

Key Concepts

  • 정규화
  • 표준화
  • 경사 하강법
  • 데이터 전처리

Use Cases

  • 신경망 훈련
  • K-평균 클러스터링
  • 서포트 벡터 머신(SVM)

Code Example

1
2
3
4
5
6
7

from sklearn.preprocessing import StandardScaler
import numpy as np

X = np.array([[1, 2], [3, 4], [5, 6]])
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
print(X_scaled)

Related