정규화(normalization)와 표준화(standardization), 머신러닝 성능 향상을 위한 필수 단계
오늘은 꽤 중요한 이야기를 하고자 합니다. 기본적이기 때문에 중요합니다. 이것을 간과하면 성능에 치명적인 영향을 끼치기 때문에 중요합니다. 바로 정규화(normalization)와 표준화(standardization)�
bskyvision.com
scaling 스케일링 정규화 표준화 normalization standardization
https://junklee.tistory.com/18
데이터 스케일링(Data Scaling)
코드 머신러닝을 위한 데이터셋을 정제할 때, 특성별로 데이터의 스케일이 다르다면 어떤 일이 벌어질까요. 예를 들어, X1 특성은 0부터 1사이의 소수값을 갖는다 비해, X2 특성은 1000000부터 1000000
junklee.tistory.com
'Machine learning' 카테고리의 다른 글
| 앙상블(Ensemble) 하드보팅(Majority/Hard Voting)에서 모델(Model)이 짝수일땐 어떻게 할까? (0) | 2021.08.02 |
|---|---|
| 스케일링_방법_장단점_효과_scaler (0) | 2021.04.22 |
| Maximum likelihood 개념 잘 설명한 곳 (0) | 2020.05.21 |
| likelihood 가능도 와 확률(probability)의 차이 (0) | 2020.05.19 |
| mahalanobis distance 마할라노비스 거리 설명 (0) | 2020.03.11 |