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

4

장

데이터 표현과 특성 공학

271

지금까지 우리는 데이터가

2

차원 실수형 배열로 각 열이 데이터 포인트를 설명하는

연속형 특성

continuous

feature

이라고 가정했습니다. 하지만 많은 애플리케이션에서 이렇게 데이터가 수집되지

는 않습니다. 일반적인 특성의 전형적인 형태는

범주형 특성

categorical

feature

입니다. 또는

이산형 특

성

discrete

feature

이라고도 하는 이런 특성은 보통 숫자 값이 아닙니다. 범주형 특성과 연속적인 특

성 사이의 차이는 분류와 회귀의 차이와 비슷하지만, 출력이 아닌 입력에 대한 것이란 점이 다

릅니다. 앞서 본 연속형 특성의 예로는 픽셀 밝기와 붓꽃 측정값이 있습니다. 범주형 특성의 예

로는 제품의 브랜드, 색상, 판매분류 (책, 옷, 하드웨어 ) 등이 있습니다. 이런 특성들은 모두 상

품을 묘사하는 속성이지만 연속된 값으로 나타나지 않습니다. 한 제품은 옷에 속하거나 책에

속합니다. 책과 옷 사이에는 중간값이 없고 이 카테고리들 사이에는 순서가 없습니다(책이 옷

보다 크거나 작지 않고, 하드웨어는 책과 옷 사이에 있지 않습니다 ).

하지만 데이터가 어떤 형태의 특성으로 구성되어 있는가보다 데이터를 어떻게 표현하는가가

머신러닝 모델의 성능에 주는 영향이 더 큽니다.

2

장과

3

장에서 데이터의 스케일이 중요하다 ...