데이터 과학을 위한 통계: 데이터 분석에서 머신러닝까지 50가지 핵심 개념

310

데이터 과학을 위한 통계

이러한 상황에서는 변수를 스케일링 (

7

.

5

.

1

절 참고 )해서 포함하거나, 이러한 지배 변수를 전체

분석에서 제외하고 별도로 처리할 수도 있다. 어떤 방법이 항상 옳다고는 할 수 없으며 응용 분

야에 따라 달라진다.

그림

7-12

GOOGL

과

AMZN

을 포함한

S

&

P

500

상위 기업들의 주가에 대한

PCA

스크리그래프

7.5.3

범주형 데이터와 고워 거리

범주형 데이터가 있는 경우에는 순서형 (정렬된 요인) 변수 또는 이진형 (더미) 변수를 사용하

여 수치형 데이터로 변환해야 한다. 데이터를 구성하는 변수들에 연속형과 이진형 변수가 섞여

있는 경우에는 비슷한 스케일이 되도록 변수의 크기를 조정해야 한다 (

7

.

5

.

1

절 참고). 이를 위

한 대표적인 방법은

고워 거리

를 사용하는 것이다.

고워 거리의 기본 아이디어는 각 변수의 데이터 유형에 따라 거리 지표를 다르게 적용하는 것

이다.

• 수치형 변수나 순서형 요소에서 두 레코드 간의 거리는 차이의 절댓값 (맨하탄 거리 )으로 계산한다.

• 범주형 변수의 경우 두 레코드 사이의 범주가 서로 다르면 거리가

1

이고 범주가 동일하면 거리는

0

이다.

고워 거리는 다음과 같이 계산한다.

311

7

장

비지도 학습

1

. 각 레코드의 변수

i

와

j

의 모든 쌍에 대해 거리

,ij

d

를 계산한다.

2

. 각

,ij