패스트캠퍼스 챌린지 29일차

 

모든 데이터 포인트가 동일한 정도의 스케일(중요도)로 반영되도록 해주는 게 정규화(Normalization)의 목표이다. 최소-최대 정규화는 데이터를 정규화하는 가장 일반적인 방법이다. 모든 feature에 대해 각각의 최소값 0, 최대값 1로, 그리고 다른 값들은 0과 1 사이의 값으로 변환하는 거다.

 

만약 X라는 값에 대해 최소-최대 정규화를 한다면 아래와 같은 수식을 사용할 수 있다.

(X - MIN) / (MAX-MIN) 

 

하지만 모든 feature들의 스케일이 동일하지만, 이상치(outlier)를 잘 처리하지 못한다는 단점이 있다. 

 

transpose() 는 입력 배열의 축을 반전하거나 단순히 입력 배열을 전치한다. 즉, 사용자가 원하는대로 축을 한번에 여러개를 바꿀 수 있다.

 

오늘은 이런 함수들을 썼는데 예전 실습할 때 많이 봐았지만 개념이 충실하지 않는다면 헷갈릴 수 있을 것 같아 다시 정리해 보았다. 분석도 중요하지만 전처리 부분이 제일 중요하다고 생각한다. 아마 모델의 평가지표는 얼마나 전처리를 잘 하느냐에 따라 달라진다고 본다. hstack이나 transpose 같은 파이썬 문법을 숙지하고 있어야 잘 할 수 있을거라 본다.

 

내일이 벌써 마지막이다. 11월은 이렇게 끝이 나고 있다. 열심히 공부하기도 했지만 실력이 부족하다고 생각한다. 지속적으로 공부해야 겠다.

 

 

#패스트캠퍼스 #패캠챌린지 #직장인인강 #직장인자기계발 #패스트캠퍼스후기 #퀴즈처럼풀면서배우는파이썬딥러닝300제+연습문제패키지Online

 

 

 

 

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.

 

패스트캠퍼스 링크 : https://bit.ly/3FVdhDa