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

178

파이썬 라이브러리를 활용한 머신러닝(번역개정판)

이 같은 크기를 가지게 합니다.

1

그러나 이 방법은 특성의 최솟값과 최댓값 크기를 제한하

지는 않습니다.

RobustScaler

는 특성들이 같은 스케일을 갖게 된다는 통계적 측면에서는

StandardScaler

와 비슷합니다. 하지만 평균과 분산 대신 중간 값

median

과 사분위 값

quartile

을 사

용합니다.

2

이런 방식 때문에

RobustScaler

는 전체 데이터와 아주 동떨어진 데이터 포인트

(예를 들면, 측정 에러 )에 영향을 받지 않습니다. 이런 이상 데이터를

이상치

outlier

라 하며 다른

스케일 조정 기법에서는 문제가 될 수 있습니다.

반면에

MinMaxScaler

는 모든 특성이 정확하게

0

과

1

사이에 위치하도록 데이터를 변경합니

다.

3

2

차원 데이터셋일 경우에는 모든 데이터가

x

축의

0

과

1

,

y

축의

0

과

1

사이의 사각 영역

에 담기게 됩니다.

마지막으로

Normalizer

는 매우 다른 스케일 조정 기법입니다. 이 방식은 특성 벡터의 유클리

디안 길이가

1

이 되도록 데이터 포인트를 조정합니다.

4

다른 말로 하면 지름이

1

인 원 (

3

차원

일 땐 구 )에 데이터 포인트를 투영합니다. 이 말은 각 데이터 포인트가 다른 비율로(길이에 반

비례하여) 스케일이 조정된다는 뜻입니다. 이러한 정규화

normalization ...