파이썬 머신러닝 사이킷런 정규화 표준화 normalization stardardization

Feature scaling에 적용되는 scaling 방법

두 값들의 feature가 달라서 직접 비교하기 어려우며 학습 능력도 떨어짐

모델의 학습 성능을 높이기 위한 것

 

정규화 표준화 제약화

: overfitting 방지

 

from sklearn.preprocessing import MinMaxScaler
# from sklearn.preprocessing import StandardScaler

scaler = MinMaxScaler()
x_scaled = scaler.fit_transform(x)

 

정규화 Normalization

normalization은 값의 범위를 0~1로 변환

MinMaxScaler

데이터의 상대적 크기 영향 줄이기

이상치로 인해 다른 값들이 한 쪽으로 몰려서 왜곡이 생길 수 있음

 

 

표준화 Standardization

값의 범위를 평균 0, 분산 1로 변환

StandardScalar

1,2,3 = 68%, 95%, 98%

특정 범위 벗어나면 oulier로 간주

 

 

제약화 Regularization

모델의 복잡도 조정

하이퍼 파라미터 수정. L1, L2

 

 

https://huidea.tistory.com/39

[Machine learning] 데이터 표준화, 정규화, 피쳐스케일링 - 200729

https://realblack0.github.io/2020/03/29/normalization-standardization-regularization.html

[딥러닝] 정규화? 표준화? Normalization? Standardization? Regularization?

https://soo-jjeong.tistory.com/123

데이터 표준화(standardization), 정규화(normalization) 차이점

https://bskyvision.com/849

정규화(normalization)와 표준화(standardization), 머신러닝 성능 향상을 위한 필수 단계