values are shifted and rescaled so that they end up ranging from 0 to 1.
통계적 기법이나 알고리즘을 이용하여 feature 간 상관 관계를 계산함
데이터를 정규 분포 에 가깝게 만들어 주는 변환 방법
값이 순서 없는 몇 개의 범주 중 하나인 feature 다. 색상( red / blue ), 지역 코드, 사용자 등급 같은 것이 여기 들어간다. 값 사이에 크기 비교가 성립하지 않으므로 숫자로 그냥 바꿔 넣으면 모델이 없는 순서를 학습한다. 그래서 Label Encoding 이나 one-hot 처럼 표현 방식을...
서로 다른 성격 (도메인) 을 지닌 feature 를 섞어서 하나의 context 로 표현하는 것
Standardization 은 feature 를 평균 0, 표준편차 1의 스케일로 바꾸는 전처리다. 서로 다른 단위의 feature 를 같은 좌표계에서 비교해야 하는 선형 모델, 거리 기반 모델, gradient 기반 최적화에서 특히 중요하다.
overfitting 에 대응하기 위해서는 많은 training data 를 이용해서 학습하는 것이 좋다. 특히, 이미지 데이터의 경우, 기존 이미지를 변형해서 새로운 이미지 학습 데이터를 만들 수 있다. 이러한 이미지 변형 과정을 통해 얻어진 이미지는 완전히 새로운 학습 데이터를 얻는 것보다는 학습 효과가 덜...
p 개의 변수들 (predictors) 중 일부를 고려한 예측 모델들의 집합을 만들어 놓고, 가장 좋은 모델을 선택하는 방법
Normalization 은 데이터의 scale 을 맞추는 전처리를 넓게 부르는 말이다. 문맥에 따라 의미가 조금 달라서, 실제로 어떤 변환을 말하는지 확인해야 한다.
데이터를 줄여서 샘플링하는 방법이다.