로우코드 AI

25

1

장

머신러닝에서 데이터로 의사 결정을 내리는 방법

그림

1-6

실제 데이터와 정규화 및 표준화 후 데이터

NOTE

  단일 출처에서 데이터를 수집하는 일은 비교적 간단합니다. 그러나 여러 출처에서 모은 데이터

를 하나의 파일로 집계한다면, 데이터 유형의 일치, 시계열 데이터(또는 

ML

 모델이 요구하는 타임스탬프 

및 날짜 범위 등)와 관련된 모든 가정의 유효성 등을 확인해야만 합니다. 흔히들 데이터의 통계적 속성

(평균, 분산 등)이 시간이 지나도 변하지 않고 고정된다는 가정을 세웁니다.

1.2.4

데이터 분석

탐색적 데이터 분석

explanatory

data

analysis

(

EDA

)은 데이터의 구조를 탐색하고 분석하는 데 사용하

는 과정입니다. 추세, 패턴, 특징들 사이의 관련성 및 상관관계(예: 한 변수(특징)가 다른 변수

와 어떤 관계를 띄는지)를 발견하려는 노력이 들어갑니다. 해결하려는 문제 유형에 따라

ML

모델을 학습시키기에 적합한 특징을 선별해야 합니다.

ML

에 잠재적으로 활용할 수 있는 입력

변수(특징)의 목록이 이 단계로 도출되는 결과입니다.

6

장에서는

EDA

를 활용하여 실습을 진

행합니다.

[그림

1

-

7

]과 [그림

1

-

8

]은

EDA

과정의 결과를 데이터 시각화 라이브러리인 시본

Seaborn

으로

그렸습니다.

5

[그림

1

-

7

]에서는

x

와

y

의 관계가 ...