파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

156

파이썬 라이브러리를 활용한 머신러닝(번역개정판)

MLP

의 정확도는 꽤 높지만 다른 모델만큼은 아닙니다. 앞서

SVC

예제에서는 데이터의 스케

일이 영향을 미쳤습니다. 이와 비슷하게 신경망도 모든 입력 특성을 평균은

0

, 분산은

1

이 되

도록 변형하는 것이 좋습니다.

68

그럼 이 조건에 맞도록 데이터의 스케일을 맞춰보겠습니다.

3

장에서 이를 자동으로 처리해주는

StandardScaler

를 배우겠지만 여기서는 우리가 직접 해보

도록 하겠습니다.

In [102]:

# 훈련 세트 각 특성의 평균을 계산합니다.

mean_on_train = X_train.mean(axis=0)

# 훈련 세트 각 특성의 표준 편차를 계산합니다.

std_on_train = X_train.std(axis=0)

# 데이터에서 평균을 빼고 표준 편차로 나누면

# 평균 0, 표준 편차 1인 데이터로 변환됩니다.

X_train_scaled = (X_train - mean_on_train) / std_on_train

# (훈련 데이터의 평균과 표준 편차를 이용해) 같은 변환을 테스트 세트에도 합니다.

X_test_scaled = (X_test - mean_on_train) / std_on_train

mlp = MLPClassier(random_state=0)

mlp.t(X_train_scaled, y_train) ...