정규화1 [머신러닝/딥러닝] 피처 스케일링: min-max 정규화, 표준화 이번에는 피처스케일링과 그 방법 중 가장 많이 쓰이는 min-max 정규화와 표준화에 대해 정리해보았습니다. 피처 스케일링서로 다른 피처 값의 범위(최댓값 - 최솟값)가 일치하도록 조정하는 작업값의 범위가 데이터마다 다르면 모델 훈련이 제대로 안 될수도 있다 서로 다른 피처값의 범위란 어떤 의미인지 키(m)와 몸무게(kg)로 예를 들 수 있다. 이름키(m)몸무게(kg)옷 사이즈광일1.775L혜성1,555S덕수1.860? 이 데이터에서 덕수의 옷 사이즈를 예측한다고 하자.키와 몸무게를 더하는 방법을 사용할 수 있다. 광일: 1.7 + 75 = 76.7혜성: 1.5 + 55 = 56.5덕수: 1.8 + 60 = 61.8 덕수의 키와 몸무게 합은 혜성에 더 가깝기 때문에 머신러닝 모델은 덕수의 옷 사이.. 2022. 9. 19. 이전 1 다음
