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

4

장

데이터 표현과 특성 공학

299

4.6

일변량 비선형 변환

앞에서 제곱 항이나 세제곱 항을 추가하면 선형 회귀 모델에 도움이 됨을 보았습니다. 한편

log

,

exp

,

sin

같은 수학 함수를 적용하는 방법도 특성 변환에 유용합니다. 트리 기반 모델은

특성의 순서에만 영향을 받지만

19

선형 모델과 신경망은 각 특성의 스케일과 분포에 밀접하게

연관되어 있습니다. 그리고 특성과 타깃값 사이에 비선형성이 있다면 특히 선형 회귀에서는 모

델을 만들기가 어렵습니다.

log

와

exp

함수는 데이터의 스케일을 변경해 선형 모델과 신경망

의 성능을 올리는 데 도움을 줍니다.

2

장에서 컴퓨터 메모리 가격 데이터를 사용한 애플리케이

션을 보았습니다.

sin

과

cos

함수는 이런 주기적인 패턴이 들어 있는 데이터를 다룰 때 편리합

니다.

대부분의 모델은 각 특성이 (회귀에서는 타깃도 ) 정규분포와 비슷할 때 최고의 성능을 냅니

다.

20

즉 특성의 히스토그램이 종 모양과 비슷할 때입니다.

log

나

exp

같은 함수를 사용하는

것은 편법이지만, 이런 모양을 만드는 쉽고 효과적인 방법입니다. 이런 변환이 도움되는 전형

적인 경우는 정수 카운트 데이터를 다룰 때입니다. 카운트 데이터라면 “사용자가 얼마나 자주

로그인하는가?” 같은 특성을 말합니다. 카운트에는 음수가 없으며 특별한 ...