워로디스

1. 먼저 알아야 할 것1.1 Feature Scaling이란?머신러닝 데이터에는 서로 단위가 다른 Feature가 함께 들어가는 경우가 많다.예를 들어:age : 18 ~ 80income : 30,000,000 ~ 500,000,000experience : 0 ~ 40age와 experience는 수십 단위인데 income은 수억 단위다.숫자가 크다고 해서 더 중요한 Feature라는 뜻은 아니다.하지만 어떤 머신러닝 알고리즘은 실제로 숫자의 크기 차이에 영향을 받는다.Feature Scaling은 이런 문제를 줄이기 위해 Feature들의 크기나 범위를 조정하는 과정이다.1.2 왜 필요한가?거리 기반 알고리즘예를 들어 두 사람의 차이가 다음과 같다고 하자.나이 차이 : ..

1. 개요머신러닝에서 데이터를 학습용 데이터와 검증용 데이터로 나눈 뒤 스케일링할 때 다음과 같은 코드를 자주 사용한다.from sklearn.preprocessing import RobustScalerrs = RobustScaler()X_train = rs.fit_transform(X_train)X_valid = rs.transform(X_valid)이 코드의 핵심 목적은 학습 데이터에서 스케일링 기준을 계산하고, 그 기준을 검증 데이터에도 동일하게 적용하는 것이다.2. fit()의 역할fit()은 데이터를 실제로 변환하는 것이 아니라, 변환에 필요한 기준을 데이터로부터 계산하는 과정이다.RobustScaler의 경우 각 feature에 대해 주로 다음 값을 계산한다.중앙값(Median)1사분위수(Q1..