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

3

장

비지도 학습과 데이터 전처리

177

3.3

데이터 전처리와 스케일 조정

앞 장에서 본 신경망과

SVM

같은 알고리즘은 데이터의 스케일에 매우 민감합니다. 그래서 보

통 이런 알고리즘들에 맞게 데이터의 특성 값을 조정합니다. 보통 특성마다 스케일을 조정해서

데이터를 변경합니다. 간단한 예를 준비했습니다 (그림

3

-

1

).

In [3]:

mglearn.plots.plot_scaling()

그림

3-1

데이터셋의 스케일을 조정하거나 전처리하는 여러 방법

3.3.1

여러 가지 전처리 방법

[그림

3

-

1

]의 첫 번째 그래프는 두 개의 특성을 인위적으로 만든 이진 분류 데이터셋입니다.

첫 번째 특성 (

x

축의 값 )은

10

과

15

사이에 있습니다. 두 번째 특성 (

y

축의 값 )은

1

과

9

사이

에 있습니다.

오른쪽의 네 그래프는 데이터를 기준이 되는 범위로 변환하는 네 가지 방법을 보여줍니다.

scikit

-

learn

의

StandardScaler

는 각 특성의 평균을

0

, 분산을

1

로 변경하여 모든 특성